金融数据平稳化处理实战攻略

📚 共计 30 章节

平稳性概念

为什么金融数据需要平稳化？平稳性的定义与直观理解。

白噪声与随机游走

白噪声的特征、随机游走模型、单位根的概念。

随机过程单位根

ADF检验实战

ADF检验原理、Python实现、p-value解读与判断标准。

统计检验Python

KPSS检验实战

KPSS检验原理、与ADF的互补关系、Python实现。

统计检验互补

一阶差分、高阶差分、差分阶数的确定方法。

预处理差分

对数变换的原理、处理异方差性、Python实现。

变换异方差

移动平均平滑

简单移动平均、加权移动平均、窗口大小选择。

指数平滑法

一次指数平滑、Holt-Winters模型、平滑系数选择。

指数平滑Holt-Winters

Hodrick-Prescott滤波原理、趋势与周期分解、Python实现。

Baxter-King滤波器

带通滤波原理、周期成分提取、与HP滤波对比。

带通滤波周期

Christiano-Fitzgerald滤波

随机游走滤波、非对称滤波、实战应用。

非对称随机游走

差分整合移动平均自回归模型

ARIMA模型结构、差分阶数d的确定、模型识别。

季节性分解

STL分解、季节性调整、Python中的seasonal_decompose。

X-13ARIMA-SEATS

官方季节性调整方法、Python调用、结果解读。

官方季节调整

方差平稳化

Box-Cox变换、幂变换、方差稳定化。

协整的定义、Engle-Granger检验、Johansen检验。

协整多变量

误差修正模型

ECM模型结构、长期均衡与短期动态、Python实现。

波动率聚类、ARCH效应检验、GARCH(1,1)建模。

杠杆效应、非对称波动率建模、Python实现。

非对称EGARCH

波动率平稳化

已实现波动率、波动率预测、波动率平稳化策略。

波动率预测

多尺度分析

小波变换、多分辨率分解、金融时间序列去噪。

卡尔曼滤波

状态空间模型、卡尔曼滤波算法、金融应用。

状态空间滤波

异常值处理

金融数据中的异常值检测、Winsorization、插值方法。

异常值清洗

缺失值处理

金融数据缺失机制、前向填充、插值法、多重插补。

缺失值插补

重采样技术

降采样、升采样、聚合函数选择、对齐问题。

重采样频率

滚动统计量

滚动均值、滚动标准差、滚动相关系数、滚动窗口设计。

滚动统计量

平稳性检验流程

综合检验策略、自动化平稳化管道、实战案例。

流程自动化

回测中的平稳化

滚动窗口回测、平稳化对回测的影响、避免未来信息。

回测未来信息

高频数据平稳化

Tick数据特征、微观结构噪声、平稳化挑战。

构建完整的金融数据平稳化Pipeline，从原始数据到平稳序列，性能评估。