文章主要是总结一学期所学,基本
覆盖了所有常见的指令
,足够完成arima模型的数据选择到模型预测。
时间序列应用广泛,不能仅仅局限于理论学习,代码实践更为重要。
往期文章链接:
基于 ARIMA-GARCH 模型人名币汇率分析与预测[论文完整][2020年]
文章目录
1 安装包指令
install.packages("tseries")
install.packages("forecast")
2 加载包指令
说明:载入一个包之后,就可以使用一系列新的函数和数据集了。包中往往提供了演示性的小型数据集和示例代码,能够让我们尝试这些新功能
library(tseries)
library(forecast)
3 help指令的使用
说明:使用函数help()可以查看其中任意函数或数据集的更多细节
help(package="tseries")
4 读取不同格式数据
4.1 读取csv格式的数据
data<-read.csv("路径",header=F,sep=",")
4.2 读取txt格式的数据
data<-read.table("路径",header=F,sep=",")
4.3 读取xls和xlsx格式的数据
可以统一将数据文件格式转成csv进行处理
4.4 参数使用
路径(注意反斜杠的方向)
E:/大三上课程/时间序列.csv
E:/大三上课程/时间序列.txt
heaer
这是一个逻辑值,T or F 反映文件的第一行是否包含变量名
sep
文件中的字段分隔符,例如对用制表符分割的文件使用sep="\t"
5 ts生成时间序列的对象
5.1 时间间隔为年的情况
ts(data$V1,frequency = 1,start=c(1975)