【原创】r语言对外汇数据进行时间序列分析报告

《【原创】r语言对外汇数据进行时间序列分析报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、对外汇数据进行时间序列分析时间序列存在于社会的经济、医学等很多领域，其中时间序列的趋势分析是一个具有重要现实意义的研究领域，因为人们掌握事物的发展趋势(内在规律)，就能利用这些规律制定相应的决策。传统对时间序列的分析多从系统的角度出发，而本文对时间序列的分析是从数据挖掘的角度出发。外汇汇率时间序列，往往含有较多的干扰因素，因此必须对原始数据进行平滑处理，尽可能的除去附加的干扰因素。为了能够对时间序列进行数据挖掘，必须从时间序列数据中抽取决定时间序列行为发展趋势的静态属性。数据选取首先我们从网站http://fx.saud

2、er.ubc.ca/data.html下载CAD和USD需货币对的两年汇率，并将数据读入RDownloadtheexchangerateofyourdesiredcurrencypairsforatleasttwoyearsfromthewebsite:http://fx.sauder.ubc.ca/data.html,andreadthedataintoR.（5points）浏览数据dataJul.DayYYYY.MM.DDWdyGBP.USD124570252015/01/02Fri0.651012245702820

3、15/01/05Mon0.65644324570292015/01/06Tue0.65896424570302015/01/07Wed0.66344524570312015/01/08Thu0.66151...57624578642017/04/20Thu0.7794257724578652017/04/21Fri0.7823357824578682017/04/24Mon0.7822757924578692017/04/25Tue0.7790758024578702017/04/26Wed0.7789658124578

4、712017/04/27Thu0.7758758224578722017/04/28Fri0.7729958324578752017/05/01Mon0.7742058424578762017/05/02Tue0.7739258524578772017/05/03Wed0.7747658624578782017/05/04Thu0.7745658724578792017/05/05Fri0.7717758824578822017/05/08Mon0.7726358924578832017/05/09Tue0.773375

5、9024578842017/05/10Wed0.7727859124578852017/05/11Thu0.7765659224578862017/05/12Fri0.7765159324578892017/05/15Mon0.7747959424578902017/05/16Tue0.7746659524578912017/05/17Wed0.7718659624578922017/05/18Thu0.7699459724578932017/05/19Fri0.7677659824578972017/05/23Tue0

6、.7703759924578982017/05/24Wed0.7723260024578992017/05/25Thu0.7721860124579002017/05/26Fri0.78092绘制时间序列图收集历史资料，加以整理，编成时间序列，并根据时间序列绘成统计图。时间序列分析通常是把各种可能发生作用的因素进行分类，传统的分类方法是按各种因素的特点或影响效果分为四大类：(1)长期趋势；(2)季节变动；(3)循环变动；(4)不规则变动。从时间序列图形来看，序列有明显趋势，所以该序列一定不是平稳序列。因为原序列为非平稳序

7、列，所以选择一阶差分继续分析Decomposethetimeseriesdataintotrend,seasonalityanderrorcomponents.（10points）开始分解季节性时间序列。一个季节性时间序列中会包含三部分，趋势部分、季节性部分和无规则部分。分解时间序列就是要把时间序列分解成这三部分，然后进行估计。对于可以使用相加模型进行描述的时间序列中的趋势部分和季节性部分，我们可以使用R中的“decompose()”函数来估计。这个函数可以估计出时间序列中趋势的、季节性的和不规则的部分，而此时间序列须是

8、可以用相加模型描述的“decompose()”这个函数返回的结果是一个列表对象，里面包含了估计出的季节性部分，趋势部分和不规则部分，他们分别对应的列表对象元素名为“seasonal”、“trend”、和“random”。要剔除某个趋势时（我们就去掉季节因素），我们可以运用减法去掉该因素，下图就是去掉季节性因素后的修正