金融中的机器学习

第4章　理解时间序列

时间序列是一种拥有时间维度的数据格式，也是最具代表性的金融数据形式。尽管单一的股票报价不是时间序列，但是如果你把每天获得的报价连成线，就会获得一个有意思的时间序列。事实上，与金融相关的所有媒体素材最终都在展示股价相关的信息，不是某个特定时刻的价格列表，而是价格随时间的演变，如图4.1所示。

图4.1　彭博机终端上显示的多个时间序列

你经常听到金融评论员讨论价格的变动，例如苹果公司股价上涨了5%，但这意味着什么？你很少听到价格的绝对值，例如苹果公司每股的价格是137.74美元，这又意味着什么？这意味着市场参与者关心未来事态如何发展，他们试图通过事情过去的发展来推断未来的发展。

许多预测都是通过看过去一段时间发展的方式来判断趋势。时间序列数据集的概念是与预测相关的重要元素。例如，农民在预测农作物产量的时候会观察时间序列数据集。也正因如此，在统计学、计量经济学、工程学中，大量关于使用时间序列的知识和工具被提出和开发。

在本章中，我们将介绍一些经典的工具，这些工具在当下仍然很常用。然后，我们讨论如何用神经网络处理时间序列，如何用深度学习模型表达不确定性。

在我们讨论时间序列之前，需要你对本章有正确的预期。你们大部分人阅读本章是为学习股票市场的预测，但是我需要提醒你们本章不是关于股票市场预测的，本书没有一章是关于股票市场预测的^[1]。

经济理论显示，市场在某种程度上是有效的。有效市场假说表明所有公开可用的信息都已经体现在股票价格中。这个理论可以延展到如何处理信息，例如预测算法。 ...