期货分钟时间序列模型预测

1. 时间序列模型MA能预测很长的数据吗

ma模型的预测值小于等于步长，当大于步长时预测值恒等于序列均值，因为ma（q）模型q步截尾。

2. 如何对时间序列预测建模

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。
它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。

（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。
（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。
（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。
（四）进行参数估计，检验是否具有统计意义。
（五）进行假设检验，诊断残差序列是否为白噪声。
（六）利用已通过检验的模型进行预测分析。

3. 使用ARIMA模型时间序列分析，怎么进行预测未来的趋势

建立模型后带入，forecast即可

4. 时间序列差分后进行预测怎么写程序

你这个。。差分完已经啥都没有了。。只剩白噪声。。还需要建啥模型？ 就是一个最基本的rw。。

5. 时间序列的“单步预测”与“多步预测”是什么意思

1、单步预测即时点序列，其意思是序列中的指标数值不具可加性，序列中每个指标数值的大小与其间隔时间的长短没有直接联系，序列中每个指标数值通常是通过定期的一次登记取得的。

2、多步预测即时期序列，由时期总量指标排列而成的时间序列 ，指序列中的指标数值具有可加性。序列中每个指标数值的大小与其所反映的时期长短有直接联系。序列中每个指标数值通常是通过连续不断登记汇总取得的。

时间序列是按照时间排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。

时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势，而时间序列预测方法的核心就是从数据中挖掘出这种规律，并利用其对将来的数据做出估计。

(5)期货分钟时间序列模型预测扩展阅读：

时间序列特征

时间序列分析法是根据过去的变化趋势预测未来的发展,它的前提是假定事物的过去延续到未来。时间序列分析，正是根据客观事物发展的连续规律性,运用过去的历史数据，通过统计分析,进一步推测未来的发展趋势。

事物的过去会延续到未来这个假设前提包含两层含义；一是不会发生突然的跳跃变化,是以相对小的步伐前进；二是过去和当前的现象可能表明当前和将来活动的发展变化趋向。

这就决定了在一般情况下,时间序列分析法对于短、近期预测比较显著,但如延伸到更远的将来,就会出现很大的局限性,导致预测值偏离实际较大而使决策失误。

6. 关于时间序列预测，预测多少点数合适的问题

拟合结果好，是因为有实际的数据在不断修正这些方法的偏差。而预测的时候就会有问题，就像你说的，后50个数据预测的会不准。你们导师的意思是对的，我们总感觉样本数据越多，预测结果越准，其实这是不对的。预测和数据多少无关（最少也得5个以上吧），关键是你预测的数据和基年的数据的时间差值，差值越大，偏差越大，因为中间没有实际的数据修正。预测近期的，结果都很好，远期的大部分不准确。看你数据这么多，你可以尝试分步预测，比如每隔10个点，取一个数据，然后就可以预测基年后的第10个数据，依次类推。

7. 时间序列预测法的步骤

利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的长期趋势值T和季节变动值s，在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y：
加法模式T+S+I=Y
乘法模式T×S×I=Y
如果不规则变动的预测值难以求得，就只求长期趋势和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即T=Y。但要注意这个预测值只反映现象未来的发展趋势，即使很准确的趋势线在按时间顺序的观察方面所起的作用，本质上也只是一个平均数的作用，实际值将围绕着它上下波动。

8. 求高手帮忙，时间序列分析预测法一般用于那些方面，有什么优缺点

时间序列是指同一变量按事件发生的先后顺序排列起来的一组观察值或记录值。构成时间序列的要素有两个：其一是时间，其二是与时间相对应的变量水平。实际数据的时间序列能够展示研究对象在一定时期内的发展变化趋势与规律，因而可以从时间序列中找出变量变化的特征、趋势以及发展规律，从而对变量的未来变化进行有效地预测。
时间序列的变动形态一般分为四种：长期趋势变动，季节变动，循环变动，不规则变动。

时间序列预测法的应用：
系统描述
根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。
系统分析
当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。
预测未来
一般用ARMA模型拟合时间序列，预测该时间序列未来值。
决策和控制
根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。

时间序列预测法的基本特点是：
假定事物的过去趋势会延伸到未来；
预测所依据的数据具有不规则性；
撇开了市场发展之间的因果关系。

找的好辛苦！！！

9. 时间序列预测法，如何来做预测

先去看看最小二乘法吧http://ke..com/view/139822.htm?wtp=tt，然后计算线性趋势模型Y=a+bt ,把最小二乘法计算出的a,b参数代入进去就可以算出Y了，t取值1-12

10. 如何用eviews做时间序列模型预测

1、首先建立工作文件，创建并编辑数据。结果如下图所示。