48

我想使用 R 来拟合某种多变量时间序列模型。

这是我的数据示例：

   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

数据是季度的，虚拟变量是季节性的。

我想做的是参考其他一些来预测 dx，同时（可能）考虑到季节性。为了论证的缘故，假设我想使用“u”、“cci”和“gdp”。

我该怎么做呢？

4

3 回答 3

114

如果您还没有这样做，请查看 CRAN 上的时间序列视图，尤其是关于多变量时间序列的部分。

在金融领域，这样做的一种传统方法是使用因子模型，通常使用 BARRA 或 Fama-French 类型的模型。Eric Zivot 的“使用 S-PLUS 建模金融时间序列”很好地概述了这些主题，但它不能立即转移到 R. Ruey Tsay 的“金融时间序列分析”（在 CRAN 上的 TSA 包中提供）也有第 9 章很好地讨论了因子模型和主成分分析。

R 也有许多包涵盖向量自回归 (VAR)模型。特别是，我建议查看 Bernhard Pfaff 的VAR Modeling (vars)包和相关的小插图。

我强烈建议您查看Ruey Tsay 的主页，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“应用多元分析”、“金融时间序列分析”和“多元时间序列分析”课程。

这是一个非常大的主题，有很多好书涵盖了它，包括多元时间序列预测和季节性。这里还有一些：

  1. 克莱伯和泽莱斯。“ Applied Econometrics with R ”没有具体解决这个问题，但它很好地涵盖了整个主题（另请参见 CRAN 上的 AER 包）。
  2. 舒姆威和斯托弗。“时间序列分析及其应用：使用 R 示例”包含多变量 ARIMA 模型的示例。
  3. 哭泣者。“时间序列分析：R 中的应用程序”是该主题的经典著作，已更新为包含 R 代码。
于 2009-11-11T14:25:19.897 回答
7

在预测包中，尝试：

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

用于预测u和cci。gdp

要从中进行预测dx，请尝试使用 VAR 模型。这是一个很好的教程（PDF）。

于 2013-07-16T20:51:59.327 回答
3

当你第一次问这个问题时不知道这个功能是否可用，但是现在在 base R 中很容易使用 arima 功能；只需在函数中使用 xreg 参数指定您的外部回归量。尝试?arima并在阅读文档时特别注意 xreg 参数。这很容易，祝你好运。

于 2012-12-03T07:57:45.370 回答