séries temporais multivariadas modelagem em R
-
19-09-2019 - |
Pergunta
Eu quero fazer caber algum tipo de multi-variate modelo de séries temporais usando R.
Aqui está uma amostra dos meus dados:
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
Os dados são trimestrais, as variáveis ??binárias são para sazonalidade.
O que eu gostaria de fazer é prever dx com referência a alguns dos outros, enquanto (possivelmente) permitindo a sazonalidade. Por causa do argumento, vamos dizer que eu quero usar "u", "CCI" e "PIB".
Como eu iria fazer isso?
Solução
Se você não tiver feito isso, ter um olhar para as séries temporais vista sobre CRAN , especialmente a seção sobre séries temporais multivariadas.
Em finanças, uma forma tradicional de fazer isso é com um modelo de fatores, muitas vezes com qualquer um modelo tipo BARRA ou Fama-francês. Eric Zivot "Modelagem de séries financeiras com S-PLUS" dá uma boa visão geral desses tópicos , mas não é imediatamente transferível para R. Ruey Tsay de " Análise do Tempo Financial Series "(disponível no pacote TSA em CRAN) também tem uma boa discussão de modelos de fatores e análise de componentes principais, no capítulo 9.
R também tem um número de pacotes que cobrem vector autoregression (VAR) modelos . Em particular, eu recomendaria olhando para VAR Modelagem de Bernhard Pfaff (VARs) pacote e a vinheta relacionado .
Eu recomendo fortemente olhando para página de Ruey Tsay porque cobre todos estes temas, e fornece o código R necessário. Em particular, olhar para o "Análise Multivariada Aplicada" , "Análise financeira Série Time" , e "Análise multivariada Time Series" cursos.
Este é um grande assunto e há muitos bons livros que cobrem-lo, incluindo tanto multivariada forcasting série de tempo e sazonalidade. Aqui estão mais alguns:
- Kleiber e Zeileis. " Econometria Aplicada com R " não aborda este especificamente, mas cobre o assunto geral muito bem (veja também o pacote AER em CRAN).
- Shumway e Stoffer. " Análise de Séries e suas aplicações: Com R Exemplos " tem exemplos de ARIMA multivariada modelos.
- Cryer. " Análise de Séries: com aplicações em R " é um clássico sobre o assunto, atualizada para incluir código R.
Outras dicas
No pacote de previsão, tente:
arima(df[,1:4], order=(0,0,0), xreg=df[,6:8])
para a previsão u
, cci
e gdp
.
Para prever dx
disso, tente o modelo VAR. Aqui está um bom tutorial ( PDF ).
Não sei se essa funcionalidade estava disponível quando solicitado pela primeira vez esta questão, mas isso é facilmente disponível em R base de agora com a função arima; apenas especificar os seus regressores externos com o argumento xreg dentro da função. Tente ?arima
e quando você leia a documentação prestar especial atenção para o argumento xreg. Isso tem sido muito fácil, boa sorte.