Matlatb金融時間序列工具箱（Financial Time Series Toolbox）

Matlatb金融時間序列工具箱（Financial Time Series Toolbox）

建立金融時間序列

金融時間序列是一個結構變數，有五個屬性：描述（description）、頻率（frequency）、日期（dates）、顯示（display）和至少一個數據列向量名（dataname），前三個屬性的名字是固定的，分別為desc、freq和dates，時間序列的名字用戶可以自行規定，如不更改的話，matlab默認為series1、series2、……、seriesN。

一、利用函數fints來創建金觸時間序列對象

根據輸入參數的類型，可分為五種形式：

（1）簡單的矩陣輸入

格式：ftsdata=fints(dates_data)

輸入：dates_data是一個矩陣，第一列是時間，從第二列開始是時間序列的樣本數據。

（2）向量輸入

格式：ftsdata=fints(dates，data)

輸入：dates是時間列向量，或者是元包列（非數據型，即文本型日期）； data是時間序列的樣本數據。

（3）自定義時間序列名

格式：ftsdata=fints(dates，data，dataNames)

輸入：dates是時間列向量，或者是元包列（非數據型，即文本型日期）； data是時間序列的樣本數據，dataNames是變數名，如果是多個，應該用元包｛』name1』,』name2』,……,』nameN』｝的形式輸入。

（4）輸入頻率

格式：ftsdata=fints(dates，data，datanames，freq)

輸入：dates是時間列向量，或者是元包列（非數據型，即文本型日期）； data是時間序列的樣本數據。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.輸入變數描述

格式：ftsdata=fints(dates，data，datanames，freq，desc)

輸入：dates是時間列向量，或者是元包列（非數據型，即文本型日期）； data是時間序列的樣本數據。Desc的形式是單個的字元型變數。

注意：1.第一種矩陣輸入的方式，日期必須是數值型，其餘的四種日期可以是數值型也可以是字元型。

2.所有的數據輸入必須放在矩陣里，不能一個一個輸入。

3.變數名由於是字元型，所有要用到元包。

4.描述性變數是單變數的字元型。

例子 創建日度數據（frequency=daily），變數名分別為data1、data2，描述欄位為「實驗數據」（desc=『實驗數據』）.

5. datanames的列要與時間序列的個數即data的列相同。

例子，創建二元時間序列，第一個變數命名為data1，第二個變數命名為data2，數據的頻率是日度數據，並給時間序列描述為「實驗數據」

輸入以下代碼：

ftsdata=fints(dates,[data y],{data1,data2},1,實驗數據);

查看其第一行數據：

ftsdata(1)

則顯示：

desc: 實驗數據

freq: Daily (1)

dates: (1) data1: (1) data2: (1)

03-Apr-1991 [ 727291] [ 988.05]

二、文本文件的轉換方式（ascii2fts）（略）

三、調用金觸時間序列對象（假設已經創建二維時間序列ftsdata）

（1）查看整個時間序列對象

在命令窗口中輸入時間序列對象的名字即可

（2）查看部分行數據

跟查看矩陣的元素一樣，查看第一行，就輸入ftsdata（1）

（3）查看時間序列中的時間變數

法一：對象名.變數名

如 ftsdata.dates1

year(ftsdata.dates1) %查看時間序列的日期中的年份

month(ftsdata.dates1) %查看時間序列的日期中的月份

day(ftsdata.dates1) %查看時間序列的日期中的天

法二：ftse = extfiield(tsobj，fieldnames)

輸入參數：

tsobj：對象名稱

fieldnames：變數名稱

例 ftse = extfiield(ftsdata，『data1』)

其效果與ftsdata.data1相同。

（4）用時間標籤提取數據

格式：newtsobj= tsobj（時間標籤/整數標籤）

1.時間標籤引用：

時間標籤的格式可以是文本格式，也可以是數值型的時間序列，可以是單個的也可以是多個的。

如：

ftsdata（『3/4/2008』）

ftsdata（{『3/4/2008』, 『10/4/2008』}）

如果是連續日期則用雙冒號隔開：

ftsdata（{『3/4/2008』 ：：『10/4/2008』}）

這種引用方式，如果時間區間內有一個時間不在時間序列的中，則會提示出錯。

2.整數標籤引用：

整數標籤引用與引用向量的元素一樣。

演示生成金融時間序列數據

%% 生成一列時間序列

format short g %設置數據精度

load szchengzhi.mat

dates=datenum(textdata); %將字元型日期轉化為數值型

ftsdata=fints([dates data]);

ftsdata.series1

ftsdata.dates %查看時間序列的日期

year(ftsdata.dates) %查看時間序列的日期中的年份

month(ftsdata.dates) %查看時間序列的日期中的月份

day(ftsdata.dates) %查看時間序列的日期中的天

%% 生成多列時間序列，以兩列為例

x = randn(5341,1);y = filter([1 -1 1],1,x); %生成一個ma（2）過程ftsdata=fints([dates data y]);%生成兩個時間序列，默認命名series1、series2

ftsdata %查看整個時間序列

ftsdata.series1 %查看時間序列1

ftsdata.series2 %查看時間序列2

ftsdata(1) %查看第1行時間序列

ftsdata=fints(dates,[data y],{data1,data2},1,實驗數據)

四、金融時間序列的使用和修改

（1）查看金融時間序列的屬性

fnames=fieldnames（tsobj，srsnameonly）

顯示金融時間序列的五個屬性，由於desc、 freq、 dates，描述性屬性、頻率屬性和日期屬性是不能自命名的，fnames的前三個變數分別是上述三個，接下來就是變數的名字了，以列數組的形式儲存在fnames中。

Srsnameonly默認為0，表示列出所有屬性，為1表示只列出變數名。

例 fnames = fieldnames(ftsdata)

fnames =

desc

freq

dates

data1

data2

例 fnames = fieldnames(ftsdata,1)

fnames =

data1

data2

（2）時間序列重命名

Newfts = chfield（oldfts，oldname，newname）

輸入參數意義：

Oldfts：時間序列結構變數名

Oldname：時間序列中變數名稱

Newname：時間序列中變數的新名稱

例 對時間序列對象ftsdata中的變數data2命名為series2，新的時間序列對象命名Newfts

Newfts = chfield(ftsdata, 『data2』, 『series2』)

注意：字元型的輸入都要加單引號』』，包括其他函數。

（3）對時間序列進行排序

Sfts = Sortfts(tsobj，seriesnames，flag)

輸入參數為：

tsobj ：時間序列對象

seriesnames：排序的變數名（字元型），即按哪一個變數進行排序，若不輸入，則默認按第一個變數排序。

flag：排序方式（升序or降序），flag=1（默認），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）時間序列起始時間點

Datesbound=ftsbound(tsobj)

（5）刪除時間序列的一列數據

Newobj = rmfield(oldtsobj,』fields』)

輸入參數：fields是時間序列的名字，可以是單個也可以是多個，多個時是字元型數組。

例 ftsdata=fints(dates,[dates,data y],{data1,data2,data3,},1,實驗數據)

刪除data1

Nodata1=rmfield(ftsdata,』data1』);

刪除data1和data2

Nodata2==rmfield(ftsdata,{data1,data2});

五.時間序列轉化為矩陣數據、文本文件

（1）轉化為矩陣

格式：data=fts2mat(ftsobj，IncludeDates，seriesnames)

輸入參數：

fts2mat將時間對象ftsobj中的全部或部分時間序列轉化為矩陣。

IncludeDates：是否將日期導出。

IncludeDates=0,或不輸入，默認只對時間序列轉化，不轉化時間。IncludeDates=1，則把時間和時間序列數據轉化在一個矩陣中。

Seriesnames：需要導出的時間序列名稱，如果不輸入默認為全部時間序列。

注意：1.第一個參數必須有，第二和第三個參數如果不輸入，則取默認。

2.由於時間序列對象的引用後也是時間序列對象，因此，ftsobj

可以直接是引用後的時間對象，比如fts2mat (ftsdata.data1);

（2）轉化為文本文件

格式：

Stat=fts2ascii(filename,tsobj,exttext)

Stat= fts2ascii(filename,dates,data,colheads,desc,exttext)

輸入參數：

Filename:ASCII文件名稱

Tsobj:需要轉換的fints型格式的金融時間序列數據

Exttext:不需要的描述項的行數

Dates:包含日起的列向量，日期格式必須是序數型

Data:列轉置矩陣，每一列是一個數據序列

Dcolheads:列標題的單元數組，第一個單元列一定是日期列

Desc:描述性字元串，是文件的第一行

輸出：stat:轉換成功標誌，成功為1，否則為0.

例 fints1 = fts2ascii(『aa.txt』,ftsdata)

六、時間序列的缺失值補齊

格式：fillts(oldfts,fill_method，『增加新日期』)

fill_method：處理缺失值的方法，常用的有以下五種。

1.線性插值方法 『linear』、『l』、『le』

2.3次多項式插值『cubic』、『c』、『ce』

3.樣條插值『spline』、『s』、『se』

4.最近插值法『nearest『、『n』、『ne『

5.逐段光滑的三次Hemite多項式法『pchip『、『p』、『pe』

6. 常數插值。用固定的常數代替缺失值。

7. 『增加新日期』表示增加時間序列的長度，增加一個日期。以後探索。

七、時間序列頻率的轉換

格式：newfts=convertto(oldfts,newfreq)

八、價格與收益率相互轉換

（1）價格轉化為收益率

格式[RetSeries,RetIntervals]=price2ret(TickSeries,TickTimes,Method)

輸入參數

TickSeries：價格列向量或矩陣，如果是矩陣的話，則每一列是一個時間序列。

TickTimes：單調遞增的時間向量，長度與價格序列長度一致，如果不輸入，或者為『[]』,則默認樣本點從1，2……，length（時間序列）

Method：計算收益率的方法，menthd不輸入或者輸入『Continuous』 /[]時，默認為連續複利的形式。輸入『periodic』表示單利。

輸出：

RetSeries：資產收益率矩陣，行數比價格矩陣少一行

RetIntervals：相鄰的時間差。RetIntervals（i）=TickTimes（i+1）-TickTime（i）

註：

Method=『continuous』時，第i期的收益率計算公式如下：

RetSeries（i）=log[TickTimes（i+1）/TickTimes（i+1）]/ RetIntervals（i）.

Method=『periodic』時, 第i期的收益率計算公式如下：

RetSeries（i）= [TickTimes（i+1）/TickTimes（i+1）-1]/ RetIntervals（i）.

如果沒有後面兩個參數，則直接公式log[TickTimes（i+1）/TickTimes（i+1）]計算。

（2）收益率轉化為價格

格式：

[TickSeries,TickTimes]=ret2price(RetSeries,StartPrice,,retinterval,starttime,method)

輸入參數：

Retseries：收益率數據列向量/矩陣

StartPrice：資產的初試價格向量，元素個數為收益率矩陣的列數。默認值為1.

Retinterval：時間區間，默認值為1

Starttime：初試時間，標量，默認值為0

Method：與（1）相同。

輸出：

TickSeries：資產價格矩陣

Starttime：時間向量。
推薦閱讀：