R中的多变量时间序列建模

时间:2009-11-11 10:19:33

标签: r statistics time-series

我希望使用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 

数据按季度计算,虚拟变量用于季节性。

我想做的是参考其他一些人预测dx,同时(可能)考虑季节性。为了论证,我们可以说我想使用“你”,“cci”和“gdp”。

我将如何做到这一点?

3 个答案:

答案 0 :(得分:102)

如果您还没有这样做,请查看the time series view on CRAN,尤其是有关多变量时间序列的部分。

在金融领域,一种传统的做法是使用因子模型,通常使用BARRA或Fama-French型模型。 Eric Zivot的"Modeling financial time series with S-PLUS"给出了这些主题的一个很好的概述,但它不能立即转移到R.Ruey Tsay的“Analysis of Financial Time Series”(在CRAN的TSA包中提供)也有很好的讨论因素第9章中的模型和主成分分析。

R还有许多涵盖vector autoregression (VAR)模型的软件包。特别是,我建议查看Bernhard Pfaff的VAR Modelling (vars)包和the related vignette

我强烈建议您查看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。请特别注意"Applied Multivariate Analysis""Analysis of Financial Time Series""Multivariate Time Series Analysis"课程。

这是一个非常大的主题,有许多好书涵盖它,包括多变量时间序列预测和季节性。以下是其他一些内容:

  1. Kleiber和Zeileis。 “Applied Econometrics with R”没有具体说明这一点,但它很好地涵盖了整体主题(另见CRAN上的AER包)。
  2. Shumway和Stoffer。 “Time Series Analysis and Its Applications: With R Examples”包含多变量ARIMA模型的示例。
  3. 克莱尔。 “Time Series Analysis: With Applications in R”是该主题的经典之作,已更新为包含R代码。

答案 1 :(得分:7)

在预测包中,尝试:

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

用于预测uccigdp

要从中预测dx,请尝试使用VAR模型。这是一个很好的教程(PDF)。

答案 2 :(得分:3)

当你第一次提出这个问题时,不知道这个功能是否可用,但现在使用arima功能可以在基础R中轻松获得;只需在函数中使用xreg参数指定外部回归量。尝试?arima,当您阅读文档时,请特别注意xreg参数。这已经变得非常简单,祝你好运。