周期分析方法

㈠ 什麼是周期分析法

我們在做交易的時候，很多人都有這么一個現象，很多人可以預測到長期的匯價一個變化的趨勢，或者可以預測到匯價到達的位置，但是卻在匯價的短期振盪中被振盪出局，或者買入的點位不好，從而令心態不好，結果一個月或者更多的時間里最後統計交易成績，不是虧損就是平手，那是為什麼呢？因為很多人在買入時，往往沒有做一個詳細的計劃，沒有做短線和長線的計劃，往往是邊看邊做，到了時候再說，因為抱著這個錯誤的思路，往往導致賺了幾十點就很著急，短線就平倉，這樣只是賺了一個小芝麻，而從前面已經講過，趨勢一旦形成有很大的上漲或者下跌空間，如果你入場了，已經賺到了小芝麻，那何必不發展成一個大西瓜呢。而如果一旦趨勢看反了，被套住了，往往這時需要短線止損的時候，換句話說，是必須短線逃走的時候，這時很多人的思路是我們不如做長線，反正長線能解套。或者還有賺，於是就把該做短線的行情做起了長線，這樣，一年下來，往往賺少賠多，整體是虧損的。

我對這種情況的理解是外匯交易是由很重要的三維空間來做分析的，不要所以在操作中要引進時間的概念，很多人能看到匯價長期的變化趨勢，但是沒有配合時間來進行分析，所以導致失敗。很多人在行情過後在嘆息，我如果在把這個貨幣多拿幾天就可以的獲得更好的利潤了，我已經看到了它的長期趨勢了。所以如果你要成為一個匯市贏家，請引進時間的分析。所以建議由這樣的經歷的人最好在掌握了圖形分析和一些分析方法以後，在做這樣的分析，這會對我們近一步的成為匯市高手的必經之路。

1、伯恩斯坦理論

如果要講到對時間的分析和預測，首先要提到伯恩斯坦理論，他的理論對交易中的時間很有研究，對於觀察匯市的變化，可以根據周期的變化，形狀長短，掌握起伏的規律。對幫住我們做交易有好處。

周期的長短可以分成四類：

1、季節性的周期：我們知道一年有四季，春、夏、秋、冬。如果是我們種植糧食作物，一般是春天播種，夏天作物在成長，而秋天是我們最高興的時候，是收獲的季節，冬天我們就應該歇息的時候了，等明年春天在努力了，所以受到收成的影響，常在一些月份出現一定的循環的高點或者低點。

那麼我通過很長時間的研究，那麼在匯市中也有這樣的周期，從國際上的主要貨幣來看，每個貨幣都受到結帳周期的影響，在即將結帳的時候，結帳國家的貨幣就會需求增加，從而導致貨幣的上漲。眾所周知，每年3月是日本的年終結帳日，每年的9月是半年結帳日，這個就像種植糧食作物一樣，是日本的企業收獲的日子，所以在這些日子了里，是日元上漲的日子。

2、長期周期：平均周期超過一年的循環周期。這樣的長期周期在匯市中也表現的比比結實，在上面的道氏理論里，也提出了時間周期的概念，您可以參照，因為這兩個理論是相互印證的。

3、中期周期：常常用月來做計算，一般是6個月到一年。

4、短期周期：以天數為計算周期，平均期限不超作3個月，我們在操作中進場觀察的日線圖，就是這樣的周期。

圖3-64還有一種分類就是用周期形狀來分類：

1、對稱周期：，每個循環周期的相距的時間周期基本一致。

2、不規則周期：每個循環周期相距的時間不多，並非同一個時間長度出現的。

伯恩斯坦理論還有下面的特徵：1循環周期的重復出現不不是和上一個周期完全相同，但是有時會傾向集中在一定的時間長度內。2長短周期差不多重復出現的次數越多，表示這個循環周期的預測的可*性越高。3長期周期可以分成幾個低一級的短期周期，如我們講過的波浪理論，大浪中有小浪，浪中套浪，就需要時間來做仔細的觀察和計算。4同類的商品期貨會有相同的周期長度如果我們在觀察一個貨幣匯價的變化時，可以測量明顯的低點和低點之間發生的時間，如果時間有一些差異，可以取平均數。

匯市周期理論

其實我們在前面的一些章節里，引入了全球金融市場是密切不可分割的概念，也就是說在股市的一些理論也可以引申到匯市中來，只不過有一些小小的變化，所以匯市中和股市一樣，也有周期變化。無論什麼金融市場，都遵循：順勢而為的理論，如果你逆市而為，砸那個市場中也會遭到虧損甚至失敗。所以匯市的周期理論的基礎也是順勢而為。利用周期變化來制定買賣計劃。其實這個方法很簡單，運用時有以下幾個步驟：

1、先分析整體貨幣的走勢，決定大的走勢方向。

2、找出趨勢中最有上漲或者獲利潛力的貨幣3找出趨勢中最有上漲或者獲利潛力的貨幣後，制定對這個貨幣的操作策略

4、匯市中周期的走勢可以分成四個階段，從圖3-71可以看到，投資者應該在匯市的第二階段早期入場買入，並一直持有，這樣可以做一個大波段，而短線投機者，可以在第二階段的中做多次的低買高沽，在入場前，要詳細的考慮目標位和止損位，如果上漲趨勢過快，要等待回調後的好入場位。

5、在第一階段，匯價處於低位徘徊，但是下跌趨勢明顯的減緩，圖形顯示下跌不了多少，所以這時時築底轉市的階段。只是在這樣的大轉市的好機會面前，大多數投資者沒有意識到，還認為匯價將繼續下跌。

㈡ 生命周期分析法的戰略建議有哪些

舉例:
機器設備所屬的工業製造業.
德國,要求的產品生命周期是8年上;
日本,是16年止;
全球平均是14年.

我國,是能用就用.

㈢ 生命周期分析法的戰略建議

以行業生命周期為橫坐標，企業競爭地位為縱坐標，這樣就組成一個具有20個單元的生命周期矩陣。按照亞瑟科特爾咨詢公司的建議，有四種戰略選擇，即發展戰略、有重點地發展戰略、調整戰略與退出戰略。企業可以根據具體情況予以選擇。
3．生命周期分析法的局限性
（1）生命周期曲線的抽象性；
（2）行業演變的單一性；
（3）生命周期的不可控性；
（4）生命周期不同階段適用戰略模式化。

㈣ 行業生命周期分析

識別行業生命周期所處階段的主要指標有：市場增長率、需求增長率、產品品種、競爭者數量、進入壁壘及退出壁壘、技術變革、用戶購買行為等。下面分別介紹生命周期各階段的特徵。
1、幼稚期：這一時期的市場增長率較高，需求增長較快，技術變動較大，行業中的用戶主要致力於開辟新用戶、佔領市場，但此時技術上有很大的不確定性，在產品、市場、服務等策略上有很大的餘地，對行業特點、行業競爭狀況、用戶特點等方面的信息掌握不多，企業進入壁壘較低。
2、成長期：這一時期的市場增長率很高，需求高速增長，技術漸趨定型，行業特點、行業競爭狀況及用戶特點已比較明朗，企業進入壁壘提高，產品品種及競爭者數量增多。
3、成熟期：這一時期的市場增長率不高，需求增長率不高，技術上已經成熟，行業特點、行業競爭狀況及用戶特點非常清楚和穩定，買方市場形成，行業盈利能力下降，新產品和產品的新用途開發更為困難，行業進入壁壘很高。
4、衰退期：這一時期的市場增長率下降，需求下降，產品品種及競爭者數目減少。從衰退的原因來看，可能有四種類型的衰退，它們分別是：
（1）資源型衰退，即由於生產所依賴的資源的枯竭所導致的衰退。
（2）效率型衰退，即由於效率低下的比較劣勢而引起的行業衰退。
（3）收入低彈性衰退。即因需求--收入彈性較低而衰退的行業。
（4）聚集過度性衰退。即因經濟過度聚集的弊端所引起的行業衰退。
行業生命周期在運用上有一定的局限性，因為生命周期曲線是一條經過抽象化了的典型曲線，各行業按照實際銷售量繪制出來的曲線遠不是這樣光滑規則，因此，有時要確定行業發展處於哪一階段是困難的，識別不當，容易導致戰略上的失誤。而影響銷售量變化的因素很多，關系復雜，整個經濟中的周期性變化與某個行業的演變也不易區分開來，再者，有些行業的演變是由集中到分散，有的行業由分散到集中，無法用一個戰略模式與之對應，因此，應將行業生命周期分析法與其他方法結合起來使用，才不至於陷入分析的片面性。

㈤ 如何分析經濟周期

很多人認為經濟周期分析很難，很復雜。但是作為一個投資者，必須了解一定的經濟周期分析原理。所以今天康少就用一張圖來簡單講解下經濟周期的分析。

一、經濟周期判斷

1、經濟趨向繁榮：普通股收益將大幅提高；

2、經濟衰退：普通股投資風險增大。

3、 經濟走向繁榮：選擇周期性特徵明顯的行業；

4、 經濟衰退：選擇周期性特徵不明顯的行業

二、經濟周期分析的主要指標：

1）先行指標－－先於股價變化的指標貨幣供應量、利率水平、勞動生產率、消費預期與消費支出、住宅建設、商品訂單

2）同步指標－－與股價同步變動的指標實際GDP增長率、公司利潤率、工業生產指數、個人收入社會商品零售額

3）後續指標－－滯後於股價變動的指標失業率、通貨水平、服務價格、優惠利率、銀行壞賬率、分期收款占個人收入的比重。

供參考。

㈥ （三）時間序列分析的基本方法

1.模型的選擇和建模基本步驟

（1）建模基本步驟

1）用觀測、調查、取樣，取得時間序列動態數據。

2）作相關圖，研究變化的趨勢和周期，並能發現跳點和拐點。拐點則是指時間序列從上升趨勢突然變為下降趨勢的點，如果存在拐點，則在建模時必須用不同的模型去分段擬合該時間序列。

3）辨識合適的隨機模型，進行曲線擬合。

（2）模型的選擇

當利用過去觀測值的加權平均來預測未來的觀測值時，賦予離得越近的觀測值以更多的權，而「老」觀測值的權數按指數速度遞減，稱為指數平滑（exponential smoothing），它能用於純粹時間序列的情況。

對於短的或簡單的時間序列，可用趨勢模型和季節模型加上誤差來進行擬合。對於平穩時間序列，可用自回歸（AR）模型、移動平均（MA）模型或其組合的自回歸移動平均（ARMA）模型等來擬合。

一個純粹的AR模型意味著變數的一個觀測值由其以前的p個觀測值的線性組合加上隨機誤差項而成，就像自己對自己回歸一樣，所以稱為自回歸模型。

MA模型意味著變數的一個觀測值由目前的和先前的n個隨機誤差的線性的組合。

當觀測值多於50個時一般採用ARMA模型。

對於非平穩時間序列，則要先將序列進行差分（Difference，即每一觀測值減去其前一觀測值或周期值）運算，化為平穩時間序列後再用適當模型去擬合。這種經差分法整合後的ARMA模型稱為整合自回歸移動平均模型（Autoregressive Integrated Moving Average），簡稱ARIMA模型（張文彤，2002；薛薇，2005；G.E.P.Box et al.，1994）。

ARIMA模型要求時間序列滿足平穩性和可逆性的條件，即序列均值不隨著時間增加或減少，序列的方差不隨時間變化。但由於我們所關注的地層元素含量變化為有趨勢和周期成分的時間序列，都不是平穩的，這就需要對其進行差分來消除這些使序列不平穩的成分。所以我們選擇更強有力的ARIMA模型。

2.平穩性和周期性研究

有些數學模型要檢驗周期性變化是否為平穩性過程，即其統計特性不隨時間而變化，我們可根據序列圖、自相關函數圖、偏自相關函數圖和譜密度圖等對序列的平穩性和周期性進行識別。當序列圖上表現有明顯分段特徵時可採用分段計演算法，若分段求得的每段頻譜圖基本一致或相似，則認為過程是平穩的，否則是非平穩的。

自相關函數ACF（Autocorrelations function）是描述序列當前觀測值與序列前面的觀測值之間簡單和常規的相關系數；而偏自相關函數PACF（Partial autocorrelations function）是在控制序列其他的影響後，測度序列當前值與某一先前值之間的相關程度。

平穩過程的自相關系數和偏自相關系數只是時間間隔的函數，與時間起點無關，都會以某種方式衰減趨近於0。

當ACF維持許多期的正相關，且ACF的值通常是很緩慢地遞減到0，則序列為非平穩型。

序列的自相關-偏自相關函數具有對稱性，即反映了周期性變化特徵。

3.譜分析

確定性周期函數X（t）（設周期為T）在一定條件下通過傅里葉（Fourier）級數展開可表示成一些不同頻率的正弦和餘弦函數之和（陳磊等，2001），這里假設為有限項，即：

洞庭湖區第四紀環境地球化學

其中，頻率f_k=k/T，k=1，2，…，N。

上式表明：如果拋開相位的差別，這類函數的周期變化完全取決於各餘弦函數分量的頻率和振幅。換句話說，我們可以用下面的函數來表示X（t）的波動特徵：

洞庭湖區第四紀環境地球化學

函數p（f）和函數X（t）表達了同樣的周期波動，兩者實際上是等價的，只不過是從頻域和時域兩個不同角度來描述而已。稱p（f）為X（t）的功率譜密度函數，簡稱譜密度。它不僅反映了X（t）中各固有分量的周期情況，還同時顯示出這些周期分量在整體X（t）中各自的重要性。具體說，在X（t）中各周期分量的對應頻率處，譜密度函數圖應出現較明顯的凸起，分量的振幅越大，峰值越高，對X（t）的整體影響也越大。

事實上，無論問題本身是否具有周期性或不確定性（如連續型隨機過程或時間序列）都可以採用類似的方法在頻域上加以描述，只是表示的形式和意義比上面要復雜得多。時間序列的譜分析方法就是要通過估計時間序列的譜密度函數，找出序列中的各主要周期分量，通過對各分量的分析達到對時間序列主要周期波動特徵的把握。

根據譜分析理論，對一個平穩時間序列｛X_t｝，如果其自協方差函數R（k）滿足

|R（k）|＜+∞，則其譜密度函數h（f）必存在且與R（k）有傅氏變換關系，即平穩序列 ｛X_t｝ 的標准化譜密度p（f）是自相關函數r（k）的傅氏變換。由於p（f）是一個無量綱的相對值，在許多情況下更便於分析和比較。

如何從實際問題所給定的時間序列 ｛X_t，t=1，2，…，n｝ 中估計出其譜密度或標准譜密度函數是譜分析要解決的主要問題。本書採用圖基-漢寧（Tukey-Hanning）窗譜估計法。

㈦ 生命周期分析法的介紹

生命周期分析法是運用生命周期分析矩陣，根據企業的實力和產業的發展階段來分析評價戰略的適宜性的一種方法。利用它有助於戰略選擇，可以縮小選擇的范圍，做到有的放矢。生命周期矩陣的橫坐標代表產業發展的階段――幼稚、成長、成熟、衰退。縱坐標代表企業的實力，分為五類――主導、較強、有利、維持、脆弱。(轉自智庫·網路）生命周期法由亞瑟科特爾咨詢公司提出，並被戰略管理學界所接受。該方法以行業生命周期和企業競爭地位兩個參數來確定公司中各個經營單位所處的位置。

㈧ 航空產業生命周期分析方法

摘要 航空行業現狀分析報告主要分析要點有：

㈨ 分析周期

每種炒股軟體的基本功能都是差不多的，打開軟體之後最上面一般都有幫助按鈕，里邊會具體的說明按什麼鍵會顯示什麼樣的內容，熟悉之後就可以很隨意的按出自己關注的內容

㈩ 周期性除了用小波分析還用什麼方法

小波變換是近10年來迅速發展起來的學科,它與Fourier變換、Gabor變換相比,是一個時間和頻率的局部變換,能有效地從信號中提取信息,通過對信號進行多尺度細化分析,解決了Fourier變換不能解決的許多問題。本文研究了連續小波變換和離散柵格下小波變換的理論,以及相關的正反演條件。在此基礎上,詳盡地介紹了由粗及精對事物進行逐級分析的方法。Mallat在研究圖像處理時,從函數空間的分解出發,用正交小波基的多尺度特性將圖像展開,獲得有用信息進行處理,從而建立多解析度分析理論。多解析度分析不僅為正交小波基的構造提供了一種簡單的方法,而且為正交小波變換的快速演算法提供了理論依據,將小波變換與工程實踐聯系起來。在人類語音的濁音段,聲帶發生較低頻率的振盪,語音信號呈明顯的准周期性,而在清音段,語音信號則類似於白雜訊。用相關法進行基音周期檢測,可以不依靠語音產生模型,只需進行相關運算即可,但它對清音和清濁交替段的檢測效果並不理想。本文從聲學理論出發,剖析了語音產生的機理,綜合考慮聲道、激勵源和嘴唇輻射三方面的因素,建立了一個完整的、線性的和時變的語音產生的離散系統模型,得出兩次聲門閉合事件之間的時間間隔就是基音周期的結論。將聲門閉合在語音信號中表現出相應的奇異性,與圖像邊緣的灰階突變進行等價對比,直接將小波變換用於聲門閉合奇異型的檢測,並不會得到預期效果。於是從語音產生模型入手,詳細的分析了聲門閉合時刻語音信號的性質,找到了濁音信號經過小波變換後周期性消失、極值點個數增多的原因。並且,進一步分析了Mallat演算法應用於實際時存在的問題,給出了相應的改進方法。最後,從實際出發,綜合考慮兩種方法的優缺點,將相關法與小波變換結合起來。實驗結果說明了這種方法的可行性。