时间序列是金融市场交易中最常用的技术指标之一，它是用数据序列表示一组趋势，即某一时间序列上存在若干个方向不同的变量 。该序列通常在一个周期中以某种概率为条件（即假设）时可表示成不同的趋势 。常用的时间轴模型有二元时间轴模型、线性时间轴模型等，二元时间轴方法有三元时间线模型、向量对数模型等 。线性时序是以最短距离、最大似然分布和最小二乘法解问题为基?。?以最大熵为前提的非参数数据分布的连续函数，它是基于线性方程组而得到的各种统计算法中最为常见且适用范围广的方法 。线性时序是数据序列一种较短距离内（相对较短于0)与最小二乘法解问题（相对于无穷长）计算最为复杂、耗时长、耗费精力的组合函数 。通常情况下，人们将线性时序和非线性时序统称为非参数时序 。
一、时间序列的定义
时间序列是一组数据或一组变量所对应的时间序列，它是由各种不同的参数所构成的连续序列，具有一定的特征，可通过数理分析而得出 。主要包括：序列的长度、连续性和相关性、时间序列特征的随机性等几个方面 。在实际应用中，通常采用的统计方法有线性时间序列法、向量对数法、非线性时间序列法以及多元线性回归分析法等 。但从总体上来说不能通过数理分析得出结论，只能采用非线性的统计方法判断出趋势，因此人们将非线性时序称为“数–理”模型 。具体来说，数理分析往往采用随机效应模型和相关系数模型进行分析，而非线性统计方法往往采用线性方程组进行分析 。另外，还有大量有关时间序列规律和趋势的统计分析工作涉及数理分析领域中：不同的理论方法都有其各自的优缺点，所以对此也有不一样的认识 。
二、周期变量和非周期变量的划分
周期变量一般用来描述某一时期内的变动趋势，如利率、汇率、股票价格等 。非周期变量，如资产价格一般由资产价格的变化（或价格波动）所引起 。非周期变量可以由定义不同的时间线模型来表示 。例如：股票价格由时间趋势预测法来表示，而资产价格是由经济分析法来确定 。为了区别周期变量和非周期变量，我们把它们分别称为周期变量和非周期变量 。当非线性时间序列的数量足够大时，我们通常把数据变化分成连续的几个时间过程：一段时期内每个时间段发生两次变率波动，称为连续（或连续增加波动率);一个时期内每段时期发生三次变率波动，称为连续（或保持）三态；一个时期内发生四次变率波动，称为连续（或保持）四态 。
【简述时间序列的构成要素】
三、趋势指数
趋势指数可以很好地反映时间序列中趋势的方向 。一般情况下，可以采用该指数来衡量一组数据的相对强弱 。趋势指数也可作为趋势指标或者是用来衡量时间序列的变化趋势的指标来使用 。趋势指数对市场趋势进行评价，既可以预测未来股价趋势，又可以预测股价的上涨或下跌趋势 。如：市场趋势指数表示平均价格趋势指数，也可以表示平均收盘价趋势指数 。一般情况下，指数越大表示在这组数据中平均收盘价趋势越强；反之指数越?。蛩得髟谡庾槭葜衅骄张碳矍魇浦甘叫?。当然，如果出现了明显的背离则应该及时离场 。
