期货投资分析考点精讲 | 第三章 统计与计量分析 · 时间序列分析
| 所属考试 | 期货从业 |
|---|---|
| 所属科目 | 期货投资分析 |
| 对应大纲 | 《2024年"期货投资分析"考试大纲》 |
| 所属章节 | 第三章 统计与计量分析 |
| 知识点名称 | 时间序列分析 |
| 适用等级 | 专项（期货投资分析） |
| 考试分值 | 约 5~8 分 |
| 题型提示 | 含计算类考点，注意公式与单位 |
核心内容
- 时间序列的含义与构成。时间序列是按时间先后顺序排列的同一统计指标的数值序列，例如某期货品种的日收盘价序列、月度成交量序列。经典的时间序列分解方法把序列的变动归纳为四类：长期趋势变动、季节变动、循环变动与不规则变动。分析时既可分别研究各类变动，也可通过模型整体刻画。
- 平稳性。若一个时间序列的均值、方差和自协方差不随时间推移而变化，则称其为（弱）平稳时间序列。平稳性是多数经典时间序列模型的前提假设：均值回复、方差恒定、相关结构只与时间间隔有关。对非平稳序列，通常先作差分处理，使其转化为平稳序列后再建模。
- 自相关函数与偏自相关函数。自相关函数（ACF）度量序列与其滞后若干期数值之间的相关程度，反映序列的总体相关结构；偏自相关函数（PACF）度量在剔除中间各滞后项影响后，序列与某一滞后项之间的净相关程度。二者是识别模型形式与确定阶数的重要工具：自回归模型通常表现为偏自相关函数截尾、自相关函数拖尾；移动平均模型通常表现为自相关函数截尾、偏自相关函数拖尾。
- 常见的时间序列模型。AR(p) 自回归模型以序列自身的滞后值解释当期值，阶数 p 表示使用的滞后项个数；MA(q) 移动平均模型以当期与过去若干期的随机误差项解释当期值，阶数 q 表示使用的误差项个数；ARMA(p,q) 是自回归与移动平均的结合，适用于平稳序列；ARIMA(p,d,q) 在 ARMA 的基础上加入 d 阶差分，用于处理非平稳序列，其中 I 即差分。
- 单位根检验与协整。判断序列平稳性的常用方法是单位根检验，如增广迪基—富勒检验（ADF 检验）：若检验结果不能拒绝存在单位根的原假设，则通常认为序列非平稳，需差分后再建模。若两个或多个非平稳序列的某个线性组合是平稳序列，则称这些序列之间存在协整关系，说明它们具有长期均衡关系，可用误差修正模型刻画短期波动向长期均衡的调整过程。
- 波动率建模。金融时间序列常表现出波动聚集特征，即大幅波动之后往往跟随大幅波动、小幅波动之后往往跟随小幅波动。针对这一特征，可用自回归条件异方差模型（ARCH）及其扩展形式广义自回归条件异方差模型（GARCH）刻画条件方差随时间变化的规律，常用于风险度量与波动率预测。
- 建模流程与模型检验。典型流程为：先作平稳性检验，必要时差分；再依据自相关函数与偏自相关函数的形态识别模型形式并初步定阶；随后进行参数估计；估计完成后必须检验残差是否为白噪声，若残差仍存在显著自相关，说明模型未充分提取序列中的信息，需要重新识别与定阶；最后方可进行预测并评估预测效果。
易错点
易错点：把自相关函数与偏自相关函数的用途记反。→ 正确理解：自相关函数度量序列与各滞后项的总相关程度；偏自相关函数度量剔除中间滞后项影响后的净相关程度。定阶时须结合二者的截尾与拖尾形态综合判断。
易错点：对非平稳序列直接建立 ARMA 模型。→ 正确理解：ARMA 模型以序列平稳为前提。若序列非平稳，应先差分后再建模，即使用 ARIMA 模型，其差分阶数 d 就是为此设置的。
易错点：把 ARIMA(p,d,q) 中三个参数的含义混淆。→ 正确理解：p 为自回归项阶数，d 为差分阶数，q 为移动平均项阶数。三个参数分别对应自回归部分、差分处理与移动平均部分。
易错点：模型估计完成后忽略残差检验。→ 正确理解：残差应为白噪声，即不再含有可利用的自相关信息。若残差存在显著自相关，说明模型设定不充分，须重新识别与定阶后再用于预测。
记忆口诀
平稳看均值、方差、自协方差；自相关看总相关、偏自相关看净相关；自回归用自身滞后、移动平均用误差项、非平稳先差分；模型定好还要验残差。
考试分值
该知识点属于理解与计算并重的考点，多以单项选择题、多项选择题和计算分析题出现，重点考查平稳性判断、自相关与偏自相关的识别作用、ARIMA 模型参数含义以及建模流程，预计分值约 5~8 分。
经典例题
1.【单项选择题】在 ARIMA(p,d,q) 模型中，参数 d 表示（ ）。
A. 自回归项的阶数 B. 差分阶数 C. 移动平均项的阶数 D. 样本容量
答案：B
解析：考查 ARIMA 模型三个参数的含义。ARIMA(p,d,q) 中，p 为自回归项阶数，d 为差分阶数，q 为移动平均项阶数。d 用于将非平稳序列通过差分转化为平稳序列，故选 B。
解析：考查 ARIMA 模型三个参数的含义。ARIMA(p,d,q) 中，p 为自回归项阶数，d 为差分阶数，q 为移动平均项阶数。d 用于将非平稳序列通过差分转化为平稳序列，故选 B。
2.【多项选择题】下列关于时间序列平稳性的表述，正确的有（ ）。
A. 平稳时间序列的均值不随时间变化 B. 平稳时间序列的方差不随时间变化 C. 平稳时间序列的自协方差只与时间间隔有关 D. 非平稳时间序列可以先差分再建立模型
答案：ABCD
解析：考查平稳性的定义与处理。若一个时间序列的均值、方差和自协方差不随时间推移而变化，则称其为（弱）平稳时间序列，其中自协方差仅取决于时间间隔，故 A、B、C 正确；对非平稳序列通常先作差分处理使其转化为平稳序列后再建模，即 ARIMA 模型中的差分环节，故 D 正确。
解析：考查平稳性的定义与处理。若一个时间序列的均值、方差和自协方差不随时间推移而变化，则称其为（弱）平稳时间序列，其中自协方差仅取决于时间间隔，故 A、B、C 正确；对非平稳序列通常先作差分处理使其转化为平稳序列后再建模，即 ARIMA 模型中的差分环节，故 D 正确。
常见问题（QA）
- Q1：如何判断一个时间序列是否平稳，非平稳时应当如何处理？
- A1：判断平稳性可从直观与统计两方面入手：直观上可观察序列是否围绕某一固定水平波动、波动幅度是否大体稳定；统计上则使用单位根检验，常用 ADF 检验，若不能拒绝存在单位根的原假设，通常认为序列非平稳。若序列非平稳，最常用的处理方法是差分，一阶差分后仍不平稳可继续差分，差分的阶数即为 ARIMA 模型中的 d；此外也可考虑取对数以稳定方差，或通过协整分析处理多个非平稳序列之间的长期均衡关系。
- Q2：在期货研究与投资分析实务中，时间序列分析主要用于解决什么问题？
- A2：主要有四方面用途：一是价格与基差的趋势与周期性分析，用于判断市场状态与季节性规律；二是通过协整与误差修正模型研究期货价格与现货价格、相关品种之间的长期均衡关系，为套利与套期保值比率设计提供依据；三是通过 ARCH、GARCH 类模型刻画与预测波动率，用于保证金测算、风险价值估算与期权定价；四是通过模型的预测结果辅助制定交易与风险管理策略。需要注意的是，模型结论受样本区间与设定影响，应与基本面分析结合使用。
- Q3：应试时这一考点的常见命题角度有哪些？
- A3：主要有四类：一是考概念定义，如平稳性的三项条件、长期趋势与季节变动的区别；二是考模型识别，给出自相关函数与偏自相关函数的截尾或拖尾形态，要求判断应选用哪类模型；三是考参数含义，如 ARIMA(p,d,q) 中 p、d、q 分别代表什么；四是考建模流程与检验，如非平稳序列应先差分、模型估计后须检验残差是否为白噪声。计算类题目常以最小二乘回归或差分后的均值、方差为素材。
依据：中国期货业协会 官方考试大纲 来源：中国期货业协会 https://www.cfachina.org/
说明：中国期货业协会 2024 年 4 月 12 日发布的《期货基础知识》《期货法律法规》《期货投资分析》考试大纲，2025、2026 年考试沿用；其中《期货基础知识》《期货法律法规》为一般从业科目，《期货投资分析》为专项科目。如辅导教材内容与最新颁布的法律法规及监管要求有抵触，以最新颁布的法律法规为准。
本文内容依据官方考试大纲与现行法律法规整理，仅供参考，具体以官方教材及现行法律法规原文为准。如遇政策调整，请以中国期货业协会及中国证券监督管理委员会的官方公告为准。