金融时间序列分析是时间序列分析领域内的一个重要研究方向。金融时间序列分析方法中有一类是通过寻找特定的模式来确定金融时间序列的运行规律,SAR模式是其中重要的一种。SAR是Stop And Reverse的英文首字母缩写,即提供停止损失的位置。SAR模式在应用到市场震荡期间时,因其滞后性会导致出现延误的决策操作信号,收益急剧下降甚至会产生负收益。针对此问题,本文采用粒度调整的思想完成了以下的研究工作:（一）金融时间序列数据获取与预处理获取相关数据是工作开展的基础。首先选择搜狐平台作为本文研究的数据下载渠道;其次设置接口参数;最后选择公开的股票时序数据搭建数据集。（二）SAR模式的粒度表示及其缺陷分析首先根据SAR指标应用原则确定一系列的决策点得到SAR模式;其次采用分段线性表示的方法将SAR模式中的决策点拟合为一系列模式段,转化为不同长度大小的粒子;最后从震幅与决策点间隔两个角度出发构造一系列理想时间序列对SAR模式进行测试,分析出其缺陷是决策点间距过小。（三）后验粒度优化算法针对SAR模式缺陷,提出了两类后验粒度优化算法,一类为固定参数、另一类为非固定参数。算法原理为通过调整粒度的方法将间隔过短的决策点滤除,从而提升SAR模式收益。实验结果表明固定参数为7的算法收益提升效果最佳。（四）实时粒度优化算法针对实时SAR模式优化,提出了非均衡策略与均衡策略的实时优化算法。通过调整买入、卖出决策规则实现对数据的实时处理和收益优化。实验结果表明最佳策略为“6-1”非均衡策略。经比较最佳粒度参数与最佳策略的物理意义不相同。（五）结合统计平均SAR模式的粒度优化算法针对上述物理意义不一致的问题,提出了结合统计平均SAR模式的粒度优化算法。板块指数是板块内数据的统计平均值,本算法利用其SAR模式对内含数据进行粒度优化。实验结果显示该优化算法具有普适性,四个板块平均收益提升占比为73%,平均正收益占比由40%提升为64%。