代码之家 › 专栏 › 技术社区 › Karl

R中的多变量时间序列建模

time-series statistics r

Karl · 技术社区 · 16 年前

我想用r来拟合某种多变量时间序列模型。

以下是我的数据示例:

   u     cci     bci     cpi     gdp    dum1 dum2 dum3    dx  
 16.50   14.00   53.00   45.70   80.63  0   0    1     6.39 
 17.45   16.00   64.00   46.30   80.90  0   0    0     6.00 
 18.40   12.00   51.00   47.30   82.40  1   0    0     6.57 
 19.35   7.00    42.00   48.40   83.38  0   1    0     5.84 
 20.30   9.00    34.00   49.50   84.38  0   0    1     6.36 
 20.72   10.00   42.00   50.60   85.17  0   0    0     5.78 
 21.14   6.00    45.00   51.90   85.60  1   0    0     5.16 
 21.56   9.00    38.00   52.60   86.14  0   1    0     5.62 
 21.98   2.00    32.00   53.50   86.23  0   0    1     4.94 
 22.78   8.00    29.00   53.80   86.24  0   0    0     6.25

数据是季度性的,虚拟变量是季节性的。

我想做的是参考其他一些方法来预测dx,同时(可能)考虑到季节性。为了争论,假设我想用“u”、“cci”和“gdp”。

我该怎么做呢?

3 回复 | 直到 10 年前

102

Shane 16 年前

如果你还没有这样做,看看 the time series view on CRAN 尤其是多变量时间序列部分。

在金融领域,一种传统的方法是使用因子模型,通常使用Barra或Fama-French类型的模型。Eric Zivot "Modeling financial time series with S-PLUS" 对这些主题有一个很好的概述,但不能立即转移到R.Ruey Tsay's。” Analysis of Financial Time Series “(可在CRAN的TSA包中获得)在第9章中也对因子模型和主成分分析进行了很好的讨论。

R还有许多包装 vector autoregression (VAR) 模型。特别是,我建议你看一下Bernhard Pfaff的 VAR Modelling (vars) 包装及 the related vignette .

我强烈建议你看看 Ruey Tsay's homepage 因为它涵盖了所有这些主题,并提供了必要的R代码。特别是,看看 "Applied Multivariate Analysis" , "Analysis of Financial Time Series" 和 "Multivariate Time Series Analysis" 课程。

这是一个非常大的主题,有许多好的书籍涵盖它,包括多变量时间序列预测和季节性。下面还有一些:

Kleiber和Zeileis。” Applied Econometrics with R “并没有具体说明这一点,但它很好地涵盖了整个主题(另请参见CRAN上的AER包)。
舒姆韦和斯托弗。” Time Series Analysis and Its Applications: With R Examples 有多变量ARIMA模型的例子。
Cryer。” Time Series Analysis: With Applications in R “这是一个经典的主题,更新包括R代码。

Konrad 10 年前

在forecast包中,尝试:

arima(df[,1:4], order=(0,0,0), xreg=df[,6:8])

用于预测 u , cci 和 gdp .

预测 dx 在此基础上,尝试VaR模型。这里有一个很好的教程( PDF )

Konrad 10 年前

不知道当您第一次问这个问题时,这个功能是否可用,但现在使用ARIMA函数在BASE R中很容易实现;只需在函数中使用xreg参数指定外部回归器即可。尝试 ?arima 当您阅读文档时,请特别注意xreg参数。这很容易,祝你好运。