资源描述：
《时间序列分析命令及公式结论》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、时间序列命令及公式结论第一章1.读取数据中的某一列（数据要读出了那列才能做很多分析）Code:Szcz2=Szcz1$price2.做时间序列的散点图Code:tsplot(Szcz2)3.计算收益率Code:Szcz=getReturns(Szcz2,type="continuous",percentage=T)4.化对数收益率为简单收益率Code:ibmsimple=exp(ibmln/100)-15.在同一版面画一个a行b列的图par(mfrow=c(a,b))6.在时间序列图中加坐标轴和图标tsplot(ibmln,xlab="year",yl
2、ab="rates",main="logreturns")7.一些基本操作①算数据长度：length( )②算方差：var( )③开方：sqrt( )④算偏度：skewness()⑤算峰度：kurtosis()⑥总结：summary()⑦做QQ图：qqplot()⑧做直方图：hist()⑨T检验：t.test()⑩产生1000个均值为0，方差为1的随机数：x=rnorm(1000,0,1)考：课后习题1or2答案格式仿P16页表格。习题1①打开数据d.aa9099aa=d.aa9099$Col1↓mean(aa)↓var(aa)↓skewness(aa
3、)↓kurtosis(aa)-3↓min(aa)↓max(aa)↓②aas=(exp(aa/100)-1)*100↓mean(aas)↓var(aas)↓skewness(aas)↓kurtosis(aas)-3↓min(aas)↓max(aas)↓③t.test(aa)↓(↓为回车)公式结论（其中R为简单收益率，P为价格）（其中r为对数收益率，R为简单收益率）第二章1.自相关检验Code:autocorTest(vw,lag.n=10,method="lb")2.计算acfvw.acf=acf(vw)3.计算pacfvw.pacf=acf(vw,10
4、,"partial")4.构造一个AR（2）模型Code:fix(ar.2)↓function(n,phi1,phi2)↓{rho=rep(0,n)↓rho[1]=1↓rho[2]=phi1/(1-phi2)↓for(iin3:n){rho[i]=phi1*rho[i-1]+phi2*rho[i-2]}↓tsplot(rho,type="h",xlab="lag",ylab="acf")↓abline(h=0)↓return(rho)}—保存ar.2(20,-.2,0.35)↓5.建立一个AR(3)模型Code:ar.vw=arima.mle(vw,m
5、odel=list(order=c(3,0,0)),xreg=1)6.调出模型结果Code:names(ar.vw)↓ar.vw$sigma27.AR预测（6步预测）Code:ar.vw.fcst=arima.forecast(vw5,n=6,model=ar.vw5$model)↓ar.vw.forcast=ar.vw.fcst$mean+ar.vw5$reg.coef8.建立一个MA（9）模型Code:ew.ma9=arima.mle(ew,model=list(order=c(0,0,9),ma.opt=c(T,F,T,F,F,F,F,F,T))
6、,xreg=1)9.MA预测Code:ma.mew.fcst1=arima.forecast(mew,n=6,model=mew.ma9$model)ma.mew.fcst=mew.ma9$reg.coef+ma.mew.fcst$mean10.建立一个ARMA(1,1)模型Code:ar11.chem=arima.mle(chem.output,model=list(order=c(1,0,1)),xreg=1)习题做过P762、3、5、6、7后四题答案在课间从P131页开始公式结论（其中γL为为L阶自协方差）(为滞后L阶的自相关系数)L-B检验：检
7、验统计量：检验结果：ifp-valueislessthan0.05,thenmonthlyvalue-weightedindexhavesignificantserialcorrelations.P阶自回归模型：AR(1)模型：均值：方差：条件：acf：（指数衰减）AR(2)模型:acf:AR(p)模型：均值：PACF:在P阶截尾MA(q)模型：均值：方差：ARMA(p,q)模型：第三章1.检验ARCH效应①（L-B检验）Code:autocorTest((exch.perc-mean(exch.perc))^2,lag=10,method="lb")
8、②L-M检验Code:archTest(exch.perc-mean(exch.perc),l
