Question

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？

Answer 1

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"和"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：

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）。
Shumway和Stoffer。 “Time Series Analysis and Its Applications: With R Examples”包含多变量ARIMA模型的示例。
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。

Answer 2

在预测包中，尝试：

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

用于预测u，cci和gdp。

要从中预测dx，请尝试使用VAR模型。这是一个很好的教程（PDF）。

Answer 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。

R中的多变量时间序列建模

3 个答案: