《量化交易学习指南——基于R语言》第4章 时间序列建模

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