周期分析方法

㈠ 什么是周期分析法

我们在做交易的时候，很多人都有这么一个现象，很多人可以预测到长期的汇价一个变化的趋势，或者可以预测到汇价到达的位置，但是却在汇价的短期振荡中被振荡出局，或者买入的点位不好，从而令心态不好，结果一个月或者更多的时间里最后统计交易成绩，不是亏损就是平手，那是为什么呢？因为很多人在买入时，往往没有做一个详细的计划，没有做短线和长线的计划，往往是边看边做，到了时候再说，因为抱着这个错误的思路，往往导致赚了几十点就很着急，短线就平仓，这样只是赚了一个小芝麻，而从前面已经讲过，趋势一旦形成有很大的上涨或者下跌空间，如果你入场了，已经赚到了小芝麻，那何必不发展成一个大西瓜呢。而如果一旦趋势看反了，被套住了，往往这时需要短线止损的时候，换句话说，是必须短线逃走的时候，这时很多人的思路是我们不如做长线，反正长线能解套。或者还有赚，于是就把该做短线的行情做起了长线，这样，一年下来，往往赚少赔多，整体是亏损的。

我对这种情况的理解是外汇交易是由很重要的三维空间来做分析的，不要所以在操作中要引进时间的概念，很多人能看到汇价长期的变化趋势，但是没有配合时间来进行分析，所以导致失败。很多人在行情过后在叹息，我如果在把这个货币多拿几天就可以的获得更好的利润了，我已经看到了它的长期趋势了。所以如果你要成为一个汇市赢家，请引进时间的分析。所以建议由这样的经历的人最好在掌握了图形分析和一些分析方法以后，在做这样的分析，这会对我们近一步的成为汇市高手的必经之路。

1、伯恩斯坦理论

如果要讲到对时间的分析和预测，首先要提到伯恩斯坦理论，他的理论对交易中的时间很有研究，对于观察汇市的变化，可以根据周期的变化，形状长短，掌握起伏的规律。对帮住我们做交易有好处。

周期的长短可以分成四类：

1、季节性的周期：我们知道一年有四季，春、夏、秋、冬。如果是我们种植粮食作物，一般是春天播种，夏天作物在成长，而秋天是我们最高兴的时候，是收获的季节，冬天我们就应该歇息的时候了，等明年春天在努力了，所以受到收成的影响，常在一些月份出现一定的循环的高点或者低点。

那么我通过很长时间的研究，那么在汇市中也有这样的周期，从国际上的主要货币来看，每个货币都受到结帐周期的影响，在即将结帐的时候，结帐国家的货币就会需求增加，从而导致货币的上涨。众所周知，每年3月是日本的年终结帐日，每年的9月是半年结帐日，这个就像种植粮食作物一样，是日本的企业收获的日子，所以在这些日子了里，是日元上涨的日子。

2、长期周期：平均周期超过一年的循环周期。这样的长期周期在汇市中也表现的比比结实，在上面的道氏理论里，也提出了时间周期的概念，您可以参照，因为这两个理论是相互印证的。

3、中期周期：常常用月来做计算，一般是6个月到一年。

4、短期周期：以天数为计算周期，平均期限不超作3个月，我们在操作中进场观察的日线图，就是这样的周期。

图3-64还有一种分类就是用周期形状来分类：

1、对称周期：，每个循环周期的相距的时间周期基本一致。

2、不规则周期：每个循环周期相距的时间不多，并非同一个时间长度出现的。

伯恩斯坦理论还有下面的特征：1循环周期的重复出现不不是和上一个周期完全相同，但是有时会倾向集中在一定的时间长度内。2长短周期差不多重复出现的次数越多，表示这个循环周期的预测的可*性越高。3长期周期可以分成几个低一级的短期周期，如我们讲过的波浪理论，大浪中有小浪，浪中套浪，就需要时间来做仔细的观察和计算。4同类的商品期货会有相同的周期长度如果我们在观察一个货币汇价的变化时，可以测量明显的低点和低点之间发生的时间，如果时间有一些差异，可以取平均数。

汇市周期理论

其实我们在前面的一些章节里，引入了全球金融市场是密切不可分割的概念，也就是说在股市的一些理论也可以引申到汇市中来，只不过有一些小小的变化，所以汇市中和股市一样，也有周期变化。无论什么金融市场，都遵循：顺势而为的理论，如果你逆市而为，砸那个市场中也会遭到亏损甚至失败。所以汇市的周期理论的基础也是顺势而为。利用周期变化来制定买卖计划。其实这个方法很简单，运用时有以下几个步骤：

1、先分析整体货币的走势，决定大的走势方向。

2、找出趋势中最有上涨或者获利潜力的货币3找出趋势中最有上涨或者获利潜力的货币后，制定对这个货币的操作策略

4、汇市中周期的走势可以分成四个阶段，从图3-71可以看到，投资者应该在汇市的第二阶段早期入场买入，并一直持有，这样可以做一个大波段，而短线投机者，可以在第二阶段的中做多次的低买高沽，在入场前，要详细的考虑目标位和止损位，如果上涨趋势过快，要等待回调后的好入场位。

5、在第一阶段，汇价处于低位徘徊，但是下跌趋势明显的减缓，图形显示下跌不了多少，所以这时时筑底转市的阶段。只是在这样的大转市的好机会面前，大多数投资者没有意识到，还认为汇价将继续下跌。

㈡ 生命周期分析法的战略建议有哪些

举例:
机器设备所属的工业制造业.
德国,要求的产品生命周期是8年上;
日本,是16年止;
全球平均是14年.

我国,是能用就用.

㈢ 生命周期分析法的战略建议

以行业生命周期为横坐标，企业竞争地位为纵坐标，这样就组成一个具有20个单元的生命周期矩阵。按照亚瑟科特尔咨询公司的建议，有四种战略选择，即发展战略、有重点地发展战略、调整战略与退出战略。企业可以根据具体情况予以选择。
3．生命周期分析法的局限性
（1）生命周期曲线的抽象性；
（2）行业演变的单一性；
（3）生命周期的不可控性；
（4）生命周期不同阶段适用战略模式化。

㈣ 行业生命周期分析

识别行业生命周期所处阶段的主要指标有：市场增长率、需求增长率、产品品种、竞争者数量、进入壁垒及退出壁垒、技术变革、用户购买行为等。下面分别介绍生命周期各阶段的特征。
1、幼稚期：这一时期的市场增长率较高，需求增长较快，技术变动较大，行业中的用户主要致力于开辟新用户、占领市场，但此时技术上有很大的不确定性，在产品、市场、服务等策略上有很大的余地，对行业特点、行业竞争状况、用户特点等方面的信息掌握不多，企业进入壁垒较低。
2、成长期：这一时期的市场增长率很高，需求高速增长，技术渐趋定型，行业特点、行业竞争状况及用户特点已比较明朗，企业进入壁垒提高，产品品种及竞争者数量增多。
3、成熟期：这一时期的市场增长率不高，需求增长率不高，技术上已经成熟，行业特点、行业竞争状况及用户特点非常清楚和稳定，买方市场形成，行业盈利能力下降，新产品和产品的新用途开发更为困难，行业进入壁垒很高。
4、衰退期：这一时期的市场增长率下降，需求下降，产品品种及竞争者数目减少。从衰退的原因来看，可能有四种类型的衰退，它们分别是：
（1）资源型衰退，即由于生产所依赖的资源的枯竭所导致的衰退。
（2）效率型衰退，即由于效率低下的比较劣势而引起的行业衰退。
（3）收入低弹性衰退。即因需求--收入弹性较低而衰退的行业。
（4）聚集过度性衰退。即因经济过度聚集的弊端所引起的行业衰退。
行业生命周期在运用上有一定的局限性，因为生命周期曲线是一条经过抽象化了的典型曲线，各行业按照实际销售量绘制出来的曲线远不是这样光滑规则，因此，有时要确定行业发展处于哪一阶段是困难的，识别不当，容易导致战略上的失误。而影响销售量变化的因素很多，关系复杂，整个经济中的周期性变化与某个行业的演变也不易区分开来，再者，有些行业的演变是由集中到分散，有的行业由分散到集中，无法用一个战略模式与之对应，因此，应将行业生命周期分析法与其他方法结合起来使用，才不至于陷入分析的片面性。

㈤ 如何分析经济周期

很多人认为经济周期分析很难，很复杂。但是作为一个投资者，必须了解一定的经济周期分析原理。所以今天康少就用一张图来简单讲解下经济周期的分析。

一、经济周期判断

1、经济趋向繁荣：普通股收益将大幅提高；

2、经济衰退：普通股投资风险增大。

3、 经济走向繁荣：选择周期性特征明显的行业；

4、 经济衰退：选择周期性特征不明显的行业

二、经济周期分析的主要指标：

1）先行指标－－先于股价变化的指标货币供应量、利率水平、劳动生产率、消费预期与消费支出、住宅建设、商品订单

2）同步指标－－与股价同步变动的指标实际GDP增长率、公司利润率、工业生产指数、个人收入社会商品零售额

3）后续指标－－滞后于股价变动的指标失业率、通货水平、服务价格、优惠利率、银行坏账率、分期收款占个人收入的比重。

供参考。

㈥ （三）时间序列分析的基本方法

1.模型的选择和建模基本步骤

（1）建模基本步骤

1）用观测、调查、取样，取得时间序列动态数据。

2）作相关图，研究变化的趋势和周期，并能发现跳点和拐点。拐点则是指时间序列从上升趋势突然变为下降趋势的点，如果存在拐点，则在建模时必须用不同的模型去分段拟合该时间序列。

3）辨识合适的随机模型，进行曲线拟合。

（2）模型的选择

当利用过去观测值的加权平均来预测未来的观测值时，赋予离得越近的观测值以更多的权，而“老”观测值的权数按指数速度递减，称为指数平滑（exponential smoothing），它能用于纯粹时间序列的情况。

对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。对于平稳时间序列，可用自回归（AR）模型、移动平均（MA）模型或其组合的自回归移动平均（ARMA）模型等来拟合。

一个纯粹的AR模型意味着变量的一个观测值由其以前的p个观测值的线性组合加上随机误差项而成，就像自己对自己回归一样，所以称为自回归模型。

MA模型意味着变量的一个观测值由目前的和先前的n个随机误差的线性的组合。

当观测值多于50个时一般采用ARMA模型。

对于非平稳时间序列，则要先将序列进行差分（Difference，即每一观测值减去其前一观测值或周期值）运算，化为平稳时间序列后再用适当模型去拟合。这种经差分法整合后的ARMA模型称为整合自回归移动平均模型（Autoregressive Integrated Moving Average），简称ARIMA模型（张文彤，2002；薛薇，2005；G.E.P.Box et al.，1994）。

ARIMA模型要求时间序列满足平稳性和可逆性的条件，即序列均值不随着时间增加或减少，序列的方差不随时间变化。但由于我们所关注的地层元素含量变化为有趋势和周期成分的时间序列，都不是平稳的，这就需要对其进行差分来消除这些使序列不平稳的成分。所以我们选择更强有力的ARIMA模型。

2.平稳性和周期性研究

有些数学模型要检验周期性变化是否为平稳性过程，即其统计特性不随时间而变化，我们可根据序列图、自相关函数图、偏自相关函数图和谱密度图等对序列的平稳性和周期性进行识别。当序列图上表现有明显分段特征时可采用分段计算法，若分段求得的每段频谱图基本一致或相似，则认为过程是平稳的，否则是非平稳的。

自相关函数ACF（Autocorrelations function）是描述序列当前观测值与序列前面的观测值之间简单和常规的相关系数；而偏自相关函数PACF（Partial autocorrelations function）是在控制序列其他的影响后，测度序列当前值与某一先前值之间的相关程度。

平稳过程的自相关系数和偏自相关系数只是时间间隔的函数，与时间起点无关，都会以某种方式衰减趋近于0。

当ACF维持许多期的正相关，且ACF的值通常是很缓慢地递减到0，则序列为非平稳型。

序列的自相关-偏自相关函数具有对称性，即反映了周期性变化特征。

3.谱分析

确定性周期函数X（t）（设周期为T）在一定条件下通过傅里叶（Fourier）级数展开可表示成一些不同频率的正弦和余弦函数之和（陈磊等，2001），这里假设为有限项，即：

洞庭湖区第四纪环境地球化学

其中，频率f_k=k/T，k=1，2，…，N。

上式表明：如果抛开相位的差别，这类函数的周期变化完全取决于各余弦函数分量的频率和振幅。换句话说，我们可以用下面的函数来表示X（t）的波动特征：

洞庭湖区第四纪环境地球化学

函数p（f）和函数X（t）表达了同样的周期波动，两者实际上是等价的，只不过是从频域和时域两个不同角度来描述而已。称p（f）为X（t）的功率谱密度函数，简称谱密度。它不仅反映了X（t）中各固有分量的周期情况，还同时显示出这些周期分量在整体X（t）中各自的重要性。具体说，在X（t）中各周期分量的对应频率处，谱密度函数图应出现较明显的凸起，分量的振幅越大，峰值越高，对X（t）的整体影响也越大。

事实上，无论问题本身是否具有周期性或不确定性（如连续型随机过程或时间序列）都可以采用类似的方法在频域上加以描述，只是表示的形式和意义比上面要复杂得多。时间序列的谱分析方法就是要通过估计时间序列的谱密度函数，找出序列中的各主要周期分量，通过对各分量的分析达到对时间序列主要周期波动特征的把握。

根据谱分析理论，对一个平稳时间序列｛X_t｝，如果其自协方差函数R（k）满足

|R（k）|＜+∞，则其谱密度函数h（f）必存在且与R（k）有傅氏变换关系，即平稳序列 ｛X_t｝ 的标准化谱密度p（f）是自相关函数r（k）的傅氏变换。由于p（f）是一个无量纲的相对值，在许多情况下更便于分析和比较。

如何从实际问题所给定的时间序列 ｛X_t，t=1，2，…，n｝ 中估计出其谱密度或标准谱密度函数是谱分析要解决的主要问题。本书采用图基-汉宁（Tukey-Hanning）窗谱估计法。

㈦ 生命周期分析法的介绍

生命周期分析法是运用生命周期分析矩阵，根据企业的实力和产业的发展阶段来分析评价战略的适宜性的一种方法。利用它有助于战略选择，可以缩小选择的范围，做到有的放矢。生命周期矩阵的横坐标代表产业发展的阶段――幼稚、成长、成熟、衰退。纵坐标代表企业的实力，分为五类――主导、较强、有利、维持、脆弱。(转自智库·网络）生命周期法由亚瑟科特尔咨询公司提出，并被战略管理学界所接受。该方法以行业生命周期和企业竞争地位两个参数来确定公司中各个经营单位所处的位置。

㈧ 航空产业生命周期分析方法

摘要 航空行业现状分析报告主要分析要点有：

㈨ 分析周期

每种炒股软件的基本功能都是差不多的，打开软件之后最上面一般都有帮助按钮，里边会具体的说明按什么键会显示什么样的内容，熟悉之后就可以很随意的按出自己关注的内容

㈩ 周期性除了用小波分析还用什么方法

小波变换是近10年来迅速发展起来的学科,它与Fourier变换、Gabor变换相比,是一个时间和频率的局部变换,能有效地从信号中提取信息,通过对信号进行多尺度细化分析,解决了Fourier变换不能解决的许多问题。本文研究了连续小波变换和离散栅格下小波变换的理论,以及相关的正反演条件。在此基础上,详尽地介绍了由粗及精对事物进行逐级分析的方法。Mallat在研究图像处理时,从函数空间的分解出发,用正交小波基的多尺度特性将图像展开,获得有用信息进行处理,从而建立多分辨率分析理论。多分辨率分析不仅为正交小波基的构造提供了一种简单的方法,而且为正交小波变换的快速算法提供了理论依据,将小波变换与工程实践联系起来。在人类语音的浊音段,声带发生较低频率的振荡,语音信号呈明显的准周期性,而在清音段,语音信号则类似于白噪声。用相关法进行基音周期检测,可以不依靠语音产生模型,只需进行相关运算即可,但它对清音和清浊交替段的检测效果并不理想。本文从声学理论出发,剖析了语音产生的机理,综合考虑声道、激励源和嘴唇辐射三方面的因素,建立了一个完整的、线性的和时变的语音产生的离散系统模型,得出两次声门闭合事件之间的时间间隔就是基音周期的结论。将声门闭合在语音信号中表现出相应的奇异性,与图像边缘的灰阶突变进行等价对比,直接将小波变换用于声门闭合奇异型的检测,并不会得到预期效果。于是从语音产生模型入手,详细的分析了声门闭合时刻语音信号的性质,找到了浊音信号经过小波变换后周期性消失、极值点个数增多的原因。并且,进一步分析了Mallat算法应用于实际时存在的问题,给出了相应的改进方法。最后,从实际出发,综合考虑两种方法的优缺点,将相关法与小波变换结合起来。实验结果说明了这种方法的可行性。