R

时间:2018-06-12 17:01:47

标签: r time-series regression linear-regression autoregressive-models

我正在建立一个因子模型来估计未来的股权收益。我想在这个模型中包含一个自回归剩余项。我希望将昨天的误差(昨天的预测收益与实际收益之间的差异)作为一个独立变量包含在回归中。这叫什么类型的自回归模型?我搜索了各种时间序列计量经济学文本,并没有找到这个描述的特定模型。我目前在R中的解决方案是在每个离散时间步骤(t)重新运行回归,并手动包括昨天的残差,但我很好奇是否有更有效的方法或包执行此操作。

下面是一些没有剩余术语的示例代码:

Data:
# fake data 
set.seed(333)
df <- data.frame(seq(as.Date("2017/1/1"), as.Date("2017/2/19"), "days"),
                 matrix(runif(50*506), nrow = 50, ncol = 506))

names(df) <- c("Date", paste0("var", 1:503), c("mktrf", "smb", "hml"))


Then I store my necessary variables for regression:

1.All the dep var
x = df[,505:507]


2.All the indep var
y <- df[,2:504]



4.Fit all the models
list_models_AR= lapply(y, function(y) 
       with(x, lm(y ~ mktrf +  smb + hml , na.action = na.exclude)))

1 个答案:

答案 0 :(得分:0)

这是ARIMA(0,0,1),具有回归模型