ZFUND基金时间序列——教你如何投资数字货币

一种历史数据延伸预测，又称历史延伸预测法。它是一种对社会经济现象的发展过程和规律进行扩展和外推的方法，可以用时间序列来反映，以预测其发展趋势。

依次

时间序列是指时间序列、历史复杂或动态序列。就是把某个统计指标的数值按时间顺序排列成一个序列。时间序列预测法是通过对时间序列进行编译分析，根据时间序列所反映的发展过程、方向和趋势进行类比或推广，从而预测下一个时间段可能达到的水平。或在未来几年。

案例：A股市场筹码分布对走势的影响

筹码分布是股票市场的地形图，定义为当前股东建仓成本的分布。根据行为金融学的研究，投资者的交易决策与其浮动盈亏显着相关，市场情绪也直接由投资群体决定。盈亏状况。而且，决定性影响的是当前头寸的盈亏值。历史上只要有交易，只要平仓，它对心理的影响就会随着时间迅速减弱。

首先我们来看看000931中关村。2000年1月至2000年3月，中关村主力陷入密集区，拉高股价，累计涨幅超过100%。当股价处于高位时，已全面易手。罗盘筹码分配显示筹码已经从低位移动到高位，这表明庄家开始在高位分配筹码。当主力分配完成后，股价开始反转下跌。此时，顶部形成的筹码长峰是散户跟风的密集区域。

从图中可以看出，中关村的股价在股价见顶后已经连续下跌了三年多，上面的密集高峰还没有完全转移。在下跌的过程中，股价不断出现多个密集的波峰，但从未在底部形成足够的筹码转移，股价也在一路下跌的过程中。

当主力高位布局筹码时，股价进入下行趋势。如果要诞生一个新的行情，那么困在上面的筹码需要再次下移，主力将在底部完成完整的积累过程。

在股价下跌的过程中，如果上面被困的筹码没有完全向下转移，则意味着即使有庄家准备入场，也无法完成积累过程，而当股价上涨到顶部时，诱捕是密集的。当到达峰值的下边缘时，由于卡盘解包形成的沉重卖压，将反转下跌。

市场经过牛市后，需要卡在上面切肉，这样成本分配就会下移，才有可能不断产生新的市场价格，直到市场的成本分配是稳定的。

数字货币市场具有数字货币市场的逻辑。比特币和以太坊除了市场参与者的成本外，还有矿工维持市场交易的成本，而矿工的成本不断上涨，矿工只会在成本之上卖出比特币或以太坊，所以新挖出的数字货币不会导致数字货币价格下跌，除非市场价格已经远远超过数字货币的挖矿成本，否则会有盈利盘抛自己的数字货币，增加数字货币的挖矿成本币，部分矿工将挖出的数字货币卖掉，让价格回到合理的价格——矿工的维护成本和市场的合理需求。

当然，比特币逐年上涨的原因在于它的挖矿设计。算力每四年提升一次，挖出的数字货币数量减半，这将大大增加比特币的生产成本。市场上最大的博彩公司——成本也会上升，最终导致比特币价格升值。

依次

预测方法步骤

1

第一步：收集历史数据

收集历史数据，整理整理，编制时间序列，根据时间序列绘制统计图。时间序列分析通常是对可能起作用的各种因素进行分类。传统的分类方法根据各种因素的特点或影响分为四类：

（1)长期趋势；

（2) 季节性变化；

(3)循环变化；

（4)不规则的变化。

2

步骤 2：分析时间序列

时间序列中每个时期的值是许多不同因素同时作用的结果。

3

第 3 步：寻找历史模式

找出时间序列的长期趋势（T）、季节变化（s）和不规则变化（I），并选择近似的数学模型来表示。对于数学模式下的未知参数，使用合适的技术来找到它们的值。

4

第一步：收集历史数据

利用时间序列数据得到长期趋势、季节变化和不规则变化的数学模型后，可用于预测未来长期趋势值T和季节变化值s，预测不规则变化值I如果可能的话。然后使用以下模式计算未来时间序列的预测值 Y：

加法方式 T+S+I=Y

乘法方式 T×S×I=Y

如果难以获得不规则变化的预测值，则只能获得长期趋势和季节变化的预测值，并将两者相乘或相加的乘积作为时间的预测值系列。如果经济现象本身没有季节变化或者不需要预测季节和月份的数据看比特币筹码分布的软件，那么长期趋势的预测值就是时间序列的预测值，即T=Y。但需要注意的是，该预测值仅反映现象的未来发展趋势。即使一条非常准确的趋势线在时序观察中起到了作用，它本质上是一个平均函数，实际值会围绕它波动。.

依次

基本功能

◆时间序列分析法是根据过去的变化趋势来预测未来的发展，其前提是假设事物的过去会延续到未来。

时间序列分析正是基于客观事物发展的连续规律性看比特币筹码分布的软件，利用过去的历史数据，通过统计分析，进一步预测未来的发展趋势。事物的过去会延续到未来的假设前提包含两层含义：一是不会有突如其来的跳跃和变化，进展相对较小；二是过去和现在的现象可能预示着现在和未来活动的发展和变化趋势。. 这决定了一般来说，时间序列分析法对于短期和短期的预测更显着，但如果推广到遥远的未来，就会有很大的局限性，导致预测值与实际值有较大偏差。并做出决策错误。.

◆时间序列数据的变化有规律性和不规律性

时间序列中每个观测值的大小是同时影响变化的各种因素的综合结果。从这些影响因素的大小和方向的时间特征来看，这些因素引起的时间序列数据变化可以分为四种类型。

（1)趋势：一个变量随着时间的推移或自变量的变化，呈现出一种相对缓慢且长期持续的向上、向下、均匀的变化趋势，但变化可能并不相等。

（2)周期性：某一因素受外界影响，随着自然季节的交替而具有波峰低谷的规律。

(3)随机性：个体变化是随机的，整体是统计规律。

（4)综合：实际变化是若干变化的叠加或组合。预测时尽量滤除不规则变化，突出趋势和周期性变化。

依次

预测方法的分类

时间序列可用于短期、中期和长期预测

根据数据分析方法不同可分为：简单时间序列平均法、加权时间序列平均法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节趋势预测法、市场生命周期预测等

简单顺序时间平均法

称为算术平均法。即以几个历史时期的统计值作为观测值，求算术平均值作为下一时期的预测值。该方法基于以下假设：“过去如此，未来亦如此”，它将近期和长期数据等同并平均，因此它只能应用于预测事物的趋势。变化不大。如果事情显示出一定的上升或下降趋势，则不应使用此方法。

加权连续时间平均

就是根据近期和远期的影响程度对各时期的历史数据进行加权，取平均值作为下一时期的预测值。

简单移动平均线

就是连续计算几个周期的算术平均值，作为下一周期的预测值。

加权移动平均线

简单移动平均线将被加权。在确定权重时，近期观测的权重应较大，长期观测的权重应较小。

评估

上述方法虽然简单，可以快速获得预测值，但由于没有考虑到整个社会经济发展的新趋势和其他因素的影响，其准确性较差。预测结果应根据新情况进行必要的修改。

指数平滑

即根据上一期历史数据的实际数量和预测值，采用指数加权的方法进行预测。这种方法本质上是一种从内部加权移动平均法演变而来的方法。数据存储量大，方法简单。是国外广泛使用的一种短期预测方法。

季节性趋势预测

根据经济事物中每年反复出现的周期性季节变化指数，预测其季节变化趋势。可以使用不同的方法来计算季节性指数。常用的方法有季（月）平均法和移动平均法：

一种。季度（月）平均法。就是将每年的季度（或月）值取平均值，除以每年季度（或月）的总平均值，得到季度（月）指数。该方法可用于分析经济事件在生产、销售、原材料储备、预计资金周转需求等方面的季节性变化；

湾。移动平均法。即使用移动平均线计算比率来找到典型的季节性指数。

市场生命周期预测

它是对产品市场生命周期的分析和研究。例如，对于一个产品在成长期的销量预测，最常用的方法之一就是根据统计数据，根据时间序列绘制曲线图，然后将曲线延伸得到未来的销售发展趋势。 . 最简单的外延方法是线性外延，适用于耐用消费品的预测。这种方法简单、直观、容易掌握。