与每周数据自动关联

Question

我是R的新用户，并尝试使用ccf函数计算2个财务时间序列之间的每周自动关联。

这是我的代码：

SPX_ImpliedVola_ts<-ts(SPX_ImpliedVola$x, start=c(2005), end=c(2014), freq=52)
SPX_GSV_ts<-ts(SPX_GSV$x, start=c(2005), end=c(2014), freq=52)
plot(ccf(SPX_ImpliedVola_ts,SPX_GSV_ts, type= "correlation"))

ccf函数的结果是有意义的，但x轴的标记是错误的。我的滞后应该是几周。绘图函数使用年代，因此滞后是= 1/52。我没有足够的声望点来发布情节

是否有一种简单的方法来格式化x轴，因此1滞后= 1周？

以下是我2013年的数据：

SPX_GSV_ts

structure(c(-0.172545978, -0.085914629, -0.051152522, -0.191885526, 
0.10720997, 0.120573931, 0.123062732, -0.073231914, 0.122783425, 
-0.073231914, -0.091330136, -0.108595771, -0.149988456, -0.077412223, 
0.017728767, -0.057991947, -0.04522754, 0.098925304, 0.019744058, 
-0.042403849, 0.097955247, 0.060480747, -0.096910013, 0.04275198, 
-0.111150452, -0.123384909, 0.020203386, 0.02540458, 0.046743404, 
0.046743404, 0.096910013, -0.029289376, -0.020203386, 0.019305155, 
0.124938737, 0.071494417, 0.080655932, 0.032184683, -0.072195125, 
0.08058446, 0.109144469, -0.116215168, -0.003792989, -0.011685758, 
0.033281387, -0.011685758, 0.044203662, -0.137383556, -0.023912157, 
0.023065304, 0.037141808, -0.128799157, -0.036045104), .Tsp = c(2013, 
2014, 52), class = "ts")

SPX_ImpliedVola_ts：

structure(c(0.1551244, 0.1764986, 0.169477, 0.1509566, 0.14180975, 
0.1455916, 0.1320918, 0.150884, 0.1519094, 0.1670364, 0.1769658, 
0.1491722, 0.14883, 0.13545475, 0.134158, 0.1292596, 0.13465, 
0.14380075, 0.136281, 0.1350982, 0.1384192, 0.1467728, 0.161534, 
0.14764, 0.1332734, 0.1353106, 0.126313, 0.1268324, 0.1200864, 
0.1242202, 0.127857, 0.1382412, 0.1319932, 0.1441192, 0.1316964, 
0.1217246, 0.1262966, 0.11574475, 0.1166192, 0.1231602, 0.119756, 
0.10622025, 0.1133376, 0.1245488, 0.1124368, 0.11566475, 0.1196388, 
0.1003482, 0.0994486, 0.0972232, 0.10798775, 0.1115012, 0.1148464
), .Tsp = c(2013, 2014, 52), class = "ts")

Answer 1

似乎ccf没有为ts类正确绘制滞后数。您需要将数据类更改为data.frame以在x轴上获得适当的滞后数。您可以使用以下代码：

ccf.results<-ccf(data.frame(SPX_ImpliedVola_ts),data.frame(SPX_GSV_ts), type= "correlation", ylab="Auto-correlation", main="Weekely Auto-corelations")

您可以删除type= "correlation"，但仍然可以获得与type ccf的默认correlation相同的结果<{1}}

此外，您从上一个代码中获得的图表无法访问每个延迟的特定值。要检查每个延迟的值，您需要指定ccf结果变量名称并将其打印为以下内容：

ccf.results<-ccf(data.frame(SPX_ImpliedVola_ts),data.frame(SPX_GSV_ts), type= "correlation")
print(ccf.results)

你会得到：

Autocorrelations of series ‘X’, by lag

   -14    -13    -12    -11    -10     -9     -8     -7     -6     -5     -4     -3     -2     -1 
-0.010  0.076  0.011 -0.017 -0.031 -0.057 -0.037  0.059  0.067  0.033  0.105  0.000 -0.242 -0.181 
     0      1      2      3      4      5      6      7      8      9     10     11     12     13 
-0.189 -0.157 -0.079  0.041  0.080 -0.015 -0.098 -0.302 -0.303 -0.355 -0.323 -0.264 -0.222 -0.116 
    14 
-0.121 

请注意，上述结果中的0表示correlation没有任何滞后。