第4章 时间序列建模
时间序列预测分析是量化金融最重要的构件之一。R有很多支持时间序列分析和预测的程序包——有些程序包用来将等间距和不等距的数据序列转化为时间序列数据,而有些程序包则用来构建预测模型(如ARIMA模型和GARCH模型)。在本章中,我们介绍如何将数据转化时间序列并构建预测模型。
本章包含以下内容。
- 时间序列概述
- 将数据转化为时间序列
zoo
包xts
包- 线性过滤器
- 自回归模型(AR)
- 移动平均模型(MA)
- 自回归整合移动平均模型(ARIMA)
- 广义自回归条件异方差模型(GARCH)
- 指数GARCH模型(EGARCH)
- 向量GARCH模型(VGARCH)
- 动态条件相关性模型(DCC)
4.1 时间序列概述
时间序列(time series)通常是指按固定时间间隔收集到的数据序列。很多领域都会用时间序列来存储信息,而为了制定未来的计划,我们需要分析这些信息。比如,金融领域存在关于失业率、GDP、汇率、股