2

我正在使用时间序列数据进行分位数预测。我正在使用的模型是 ARIMA(1,1,2)-ARCH(2)，我正在尝试对我的数据进行分位数回归估计。

到目前为止，我已经找到了“quantreg”包来执行分位数回归，但我不知道如何将 ARIMA-ARCH 模型作为函数 rq 中的模型公式。rq 函数似乎适用于具有因变量和自变量的回归，但不适用于时间序列。

是否有其他一些包可以让我在 R 中放置时间序列模型并进行分位数回归？欢迎任何建议。谢谢。

4

2 回答 2

0

我刚刚在数据科学论坛上给出了答案。

它基本上说大多数现成的包都使用所谓的基于分布假设的精确测试（独立相同的正态高斯分布，或更宽）。

您还有一系列重采样方法，您可以在其中模拟具有相似分布的观察样本的样本，执行 ARIMA(1,1,2)-ARCH(2) 并多次重复该过程。然后你分析大量的预测并测量（而不是计算）你的置信区间。

重采样方法在生成模拟样本的方式上有所不同。最常用的是：

  • Jackknife ：您“忘记”了一点，即您模拟了n个大小为n-1的样本（如果n是观察到的样本的大小）。
  • Bootstrap ：您可以在其中通过替换原始样本的n 个值来模拟样本：一些将被抽取一次，一些将被抽取两次或更多，一些则永远不会......

这是一个（不容易）的定理，即置信区间的期望与大多数常用的统计估计量一样，在模拟样本上与在原始样本上相同。不同之处在于您可以通过大量模拟来测量它们。

于 2018-08-14T14:41:29.653 回答
0

您好，欢迎来到 StackOverflow。请花一些时间阅读帮助页面，尤其是名为“我可以在这里询问哪些主题？”的部分。和“我应该避免问什么类型的问题？” . 更重要的是，请阅读Stack Overflow 问题清单。您可能还想了解Minimal、Complete 和 Verifiable Examples。

我可以尝试解决您的问题，尽管这很难，因为您不提供任何代码/数据。另外，我猜“放置 ARIMA-ARCH 模型”实际上是指您想使用 ARIMA(1,1,2)加上ARCH(2) 过滤器使集成系列静止。

有关 R 时间序列功能的概述，您可以参考CRAN 任务列表。您可以使用适当的函数在 R 中轻松应用这些过滤器。例如，您可以使用预测Arima()包中的函数，然后计算包中的残差。接下来，您可以使用这个过滤后的系列作为包中函数的输入。其他可能性当然是可能的。最后，您可以对这个过滤后的系列应用分位数回归。例如，您可以从quantreg包中检出该函数，它允许参数中包含时间序列对象。residuals()statsgarch()tseriesdynrq()data

于 2018-08-11T14:18:01.613 回答