http://blog.sina.com.cn/s/blog_6c640c7901016zv2.html
1.学计量经济学源于对数学感兴趣，也源于对一些未知的东西进行预测，比如股市，而中国股市在2005年已经达到了弱式有效（本人通过谱分布检验股市收益率是否为鞅过程得到的结论），再运用模型进行预测好比预测彩票，于是学习计量更多的是数学的因素，而非应用的驱使。不再迷信小波分析、神经网络、ARIMA等一些线性的非线性的预测模型，逐渐的转向对宏观经济学的学习中去，同时，也渐渐的喜欢上了经济史，因为每一部历史都是事物相互作用的结果，去研究这个世界发展的规律，这才是走好经济学的根本，而不是计量经济学。
2.重申我的格言“计量仅仅是工具，代替不了思考”
3.注重思考，阅读一本书能吸收20%已较为不错了，不要往脑袋里装书，即使将一本书搬进脑袋，充其量也就一本书的价值，几十块钱罢了!
4.入门很难，真的很难，想起当年做一个东西时，没师傅指导，从零开始，没有休息，做不出来，躺地上，绝望，哭，站起来，继续……，最终解决。于是，总结出来，入门很难，只要能挺过来，你就算成功了！
Matlatb金融时间序列工具箱（Financial Time Series Toolbox）
建立金融时间序列
金融时间序列是一个结构变量，有五个属性：描述（description）、频率（frequency）、日期（dates）、显示（display）和至少一个数据列向量名（dataname），前三个属性的名字是固定的，分别为desc、freq和dates，时间序列的名字用户可以自行规定，如不更改的话，matlab默认为series1、series2、……、seriesN。
一、利用函数fints来创建金触时间序列对象
根据输入参数的类型，可分为五种形式：
（1）简单的矩阵输入
格式：ftsdata=fints(dates_data)
输入：dates_data是一个矩阵，第一列是时间，从第二列开始是时间序列的样本数据。
（2）向量输入
格式：ftsdata=fints(dates，data)
输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。
（3）自定义时间序列名
格式：ftsdata=fints(dates，data，dataNames)
输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据，dataNames是变量名，如果是多个，应该用元包｛’name1’,’name2’,……,’nameN’｝的形式输入。
（4）输入频率
格式：ftsdata=fints(dates，data，datanames，freq)
输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。Freq有固定的格式：
1.UNKNOWN，Unknown ，unknown，U，u
2.DAILY，Daily，daily，D，d，1
3.WEEKLY，Weekly ，weekly，W，w，2
4.MONTHLY，Monthly，monthly，M，m，3
5.QUARTERLY，Quarterly， quarterly，Q，q，4
6.SEMIANNUAL，Semiannual，semiannual，S，s，5
7.ANNUAL，Annual，annua，A，a，6

5.输入变量描述
格式：ftsdata=fints(dates，data，datanames，freq，desc)
输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。Desc的形式是单个的字符型变量。
注意：1.第一种矩阵输入的方式，日期必须是数值型，其余的四种日期可以是数值型也可以是字符型。
     2.所有的数据输入必须放在矩阵里，不能一个一个输入。
     3.变量名由于是字符型，所有要用到元包。
     4.描述性变量是单变量的字符型。
例子 创建日度数据（frequency=daily），变量名分别为data1、data2，描述字段为“实验数据”（desc=‘实验数据’）.
     5. datanames的列要与时间序列的个数即data的列相同。

    例子，创建二元时间序列，第一个变量命名为data1，第二个变量命名为data2，数据的频率是日度数据，并给时间序列描述为“实验数据”
输入以下代码：
ftsdata=fints(dates,[data y],{'data1','data2'},1,'实验数据');
查看其第一行数据：
ftsdata(1)
则显示：
     desc:  实验数据
    freq:  Daily (1)
    'dates:  (1)'    'data1:  (1)'    'data2:  (1)'
    '03-Apr-1991'    [     727291]    [     988.05]
二、文本文件的转换方式（ascii2fts）（略）
三、调用金触时间序列对象（假设已经创建二维时间序列ftsdata）
    （1）查看整个时间序列对象
在命令窗口中输入时间序列对象的名字即可
    （2）查看部分行数据
跟查看矩阵的元素一样，查看第一行，就输入ftsdata（1）
（3）查看时间序列中的时间变量
法一：对象名.变量名
如    ftsdata.dates1
year(ftsdata.dates1) %查看时间序列的日期中的年份
month(ftsdata.dates1) %查看时间序列的日期中的月份
day(ftsdata.dates1) %查看时间序列的日期中的天
法二：ftse = extfiield(tsobj，fieldnames)
输入参数：
tsobj：对象名称
fieldnames：变量名称
例 ftse = extfiield(ftsdata，‘data1’)
其效果与ftsdata.data1相同。
（4）用时间标签提取数据
格式：newtsobj= tsobj（时间标签/整数标签）
1.时间标签引用：
时间标签的格式可以是文本格式，也可以是数值型的时间序列，可以是单个的也可以是多个的。
如：
ftsdata（‘3/4/2008’）
ftsdata（{‘3/4/2008’, ‘10/4/2008’}）
如果是连续日期则用双冒号隔开：
ftsdata（{‘3/4/2008’ ：：‘10/4/2008’}）
这种引用方式，如果时间区间内有一个时间不在时间序列的中，则会提示出错。
2.整数标签引用：
    整数标签引用与引用向量的元素一样。
演示生成金融时间序列数据
%% 生成一列时间序列
format short g  %设置数据精度
load szchengzhi.mat
dates=datenum(textdata);  %将字符型日期转化为数值型
ftsdata=fints([dates data]);
ftsdata.series1
ftsdata.dates %查看时间序列的日期
year(ftsdata.dates) %查看时间序列的日期中的年份
month(ftsdata.dates) %查看时间序列的日期中的月份
day(ftsdata.dates) %查看时间序列的日期中的天
%% 生成多列时间序列，以两列为例
x = randn(5341,1);y = filter([1 -1 1],1,x); %生成一个ma（2）过程ftsdata=fints([dates data y]);%生成两个时间序列，默认命名series1、series2
ftsdata       %查看整个时间序列
ftsdata.series1 %查看时间序列1
ftsdata.series2  %查看时间序列2
ftsdata(1)  %查看第1行时间序列
ftsdata=fints(dates,[data y],{'data1','data2'},1,'实验数据')

四、金融时间序列的使用和修改
（1）查看金融时间序列的属性
fnames=fieldnames（tsobj，srsnameonly）
显示金融时间序列的五个属性，由于'desc'、 'freq'、 'dates'，描述性属性、频率属性和日期属性是不能自命名的，fnames的前三个变量分别是上述三个，接下来就是变量的名字了，以列数组的形式储存在fnames中。
Srsnameonly默认为0，表示列出所有属性，为1表示只列出变量名。
例  fnames = fieldnames(ftsdata)
fnames =
    'desc'
    'freq'
    'dates'
    'data1'
    'data2'

例  fnames = fieldnames(ftsdata,1)
fnames =
    'data1'
    'data2'

（2）时间序列重命名
Newfts = chfield（oldfts，oldname，newname）
输入参数意义：
Oldfts：时间序列结构变量名
Oldname：时间序列中变量名称
Newname：时间序列中变量的新名称
例 对时间序列对象ftsdata中的变量data2命名为series2，新的时间序列对象命名Newfts
Newfts = chfield(ftsdata, ‘data2’, ‘series2’)
注意：字符型的输入都要加单引号’’，包括其他函数。

（3）对时间序列进行排序
Sfts = Sortfts(tsobj，seriesnames，flag)
输入参数为：
tsobj ：时间序列对象
seriesnames：排序的变量名（字符型），即按哪一个变量进行排序，若不输入，则默认按第一个变量排序。
flag：排序方式（升序or降序），flag=1（默认），升序；flag=0，降序。
例子
Sfts1 = sortfts(ftsdata)
Sfts2 = sortfts(ftsdata,’data2’)
Sfts3 = sortfts(ftsdata,’data2’,-1)
Sfts4 = sortfts(ftsdata,-1)

（4）时间序列起始时间点
Datesbound=ftsbound(tsobj)

（5）删除时间序列的一列数据
Newobj = rmfield(oldtsobj,’fields’)
输入参数：fields是时间序列的名字，可以是单个也可以是多个，多个时是字符型数组。
例 ftsdata=fints(dates,[dates,data y],{'data1','data2','data3',},1,'实验数据')
删除data1
Nodata1=rmfield(ftsdata,’data1’);
删除data1和data2
Nodata2==rmfield(ftsdata,{'data1','data2'});

五.时间序列转化为矩阵数据、文本文件
（1）转化为矩阵
格式：data=fts2mat(ftsobj，IncludeDates，seriesnames)
输入参数：
fts2mat将时间对象ftsobj中的全部或部分时间序列转化为矩阵。
IncludeDates：是否将日期导出。
IncludeDates=0,或不输入，默认只对时间序列转化，不转化时间。IncludeDates=1，则把时间和时间序列数据转化在一个矩阵中。
Seriesnames：需要导出的时间序列名称，如果不输入默认为全部时间序列。
注意：1.第一个参数必须有，第二和第三个参数如果不输入，则取默认。
    2.由于时间序列对象的引用后也是时间序列对象，因此，ftsobj
可以直接是引用后的时间对象，比如fts2mat (ftsdata.data1);
（2）转化为文本文件
格式：
Stat=fts2ascii(filename,tsobj,exttext)
Stat= fts2ascii(filename,dates,data,colheads,desc,exttext)
输入参数：
Filename:ASCII文件名称
Tsobj:需要转换的fints型格式的金融时间序列数据
Exttext:不需要的描述项的行数
Dates:包含日起的列向量，日期格式必须是序数型
Data:列转置矩阵，每一列是一个数据序列
Dcolheads:列标题的单元数组，第一个单元列一定是日期列
Desc:描述性字符串，是文件的第一行
输出：stat:转换成功标志，成功为1，否则为0.
例 fints1 = fts2ascii(‘aa.txt’,ftsdata)

六、时间序列的缺失值补齐
格式：fillts(oldfts,fill_method，‘增加新日期’)
fill_method：处理缺失值的方法，常用的有以下五种。
1.线性插值方法  ‘linear’、‘l’、‘le’
2.3次多项式插值‘cubic’、‘c’、‘ce’
3.样条插值‘spline’、‘s’、‘se’
4.最近插值法‘nearest‘、‘n’、‘ne‘
5.逐段光滑的三次Hemite多项式法‘pchip‘、‘p’、‘pe’
6. 常数插值。用固定的常数代替缺失值。
7. ‘增加新日期’表示增加时间序列的长度，增加一个日期。以后探索。
七、时间序列频率的转换
格式：newfts=convertto(oldfts,newfreq)
八、价格与收益率相互转换
（1）价格转化为收益率
格式[RetSeries,RetIntervals]=price2ret(TickSeries,TickTimes,Method)
输入参数
TickSeries：价格列向量或矩阵，如果是矩阵的话，则每一列是一个时间序列。
TickTimes：单调递增的时间向量，长度与价格序列长度一致，如果不输入，或者为‘[]’,则默认样本点从1，2……，length（时间序列）
Method：计算收益率的方法，menthd不输入或者输入‘Continuous’ /[]时，默认为连续复利的形式。输入‘periodic’表示单利。
输出：
RetSeries：资产收益率矩阵，行数比价格矩阵少一行
RetIntervals：相邻的时间差。RetIntervals（i）=TickTimes（i+1）-TickTime（i）
注：
Method=‘continuous’时，第i期的收益率计算公式如下：
RetSeries（i）=log[TickTimes（i+1）/TickTimes（i+1）]/ RetIntervals（i）.
Method=‘periodic’时, 第i期的收益率计算公式如下：
RetSeries（i）= [TickTimes（i+1）/TickTimes（i+1）-1]/ RetIntervals（i）.
如果没有后面两个参数，则直接公式log[TickTimes（i+1）/TickTimes（i+1）]计算。
（2）收益率转化为价格
格式：
[TickSeries,TickTimes]=ret2price(RetSeries,StartPrice,,retinterval,starttime,method)
输入参数：
Retseries：收益率数据列向量/矩阵
StartPrice：资产的初试价格向量，元素个数为收益率矩阵的列数。默认值为1.
Retinterval：时间区间，默认值为1
Starttime：初试时间，标量，默认值为0
Method：与（1）相同。
输出：
TickSeries：资产价格矩阵
Starttime：时间向量。