全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SAS专版
7248 5
2010-05-14
SAS里proc x11,x12,好像只能用于月度数据、季度数据调整,把数据分离出季节效应,剩下trend 和 非规则 部分,我的数据现在是比较高频的,股票的日交易高频数据,需要对日内分离出“时段性”波动成分,剩下日内的trend 和 非规则部分。原理大概是一样的,但不知道是不是最大只能设为12个“月”(但我想设为更多,比如36),然后再计算。


有没人matlab 、SAS iml的代码用于季节调整的,有这个东西就好自己写了。
help!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2010-5-14 18:30:22
anybody?

别沉了。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2010-5-14 18:35:14
需要对日内分离出“时段性”波动成分,剩下日内的trend 和 非规则部分

====================================
分的标准是什么需要讲清楚
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2010-5-14 18:48:56
就是一般股票交易的笔与笔成交有个时间间隔duration,开盘的成交间隔比较短,比如说3秒,而后特别到早上的晚盘,间隔就比较长了,比如说10秒,
一般呈现倒U形状,
国外一些文章有用dt' =dt / f(t)来对日内的duration进行“季节调整”,f(t)是个关于时间的样条函数。
我的想法是想借助时间序列里面的季节调整,来去掉这个“季节性”。
像SAS帮助文档里proc x11 举的example的第一个例子那样。
然后在对调整后的dt' 建模。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-2-8 21:45:04
不用这么麻烦吧,你可以参照这篇文章做的,Peculiar statistical properties of Chinese stock indices in bull and bear market phases
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2018-3-7 09:46:03
guopeij 发表于 2012-2-8 21:45
不用这么麻烦吧,你可以参照这篇文章做的,Peculiar statistical properties of Chinese stock indices in  ...
您有该文章的全文么?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群