# 指定路徑為桌面
setwd("C:/Users/user2/Desktop")
# 讀入csv檔
rawdata<-read.csv("test.csv")
# 把title名稱轉為英文
# x = 10200 y = 40300
names(rawdata)[1]<-"date_x"
names(rawdata)[2]<-"close_x"
names(rawdata)[3]<-"date_y"
names(rawdata)[4]<-"close_y"
# 把成交價轉為對數
log_x<-as.data.frame(log(rawdata$close_x))
log_y<-as.data.frame(log(rawdata$close_y))
a<-cbind(rawdata,log_x,log_y)
names(a)[5]<-"logx"
names(a)[6]<-"logy"
#
a1<-na.omit(a)
# lm函數用OLS構造線性回歸模型。我們先構造一個截距為零的線性模型,然後提取模型的第2個回歸係數。
attach(a1)
m <- lm(log_y ~ log_x, data = a1)
beta <- coef(m)[1]
# 現在,計算價差序列
sprd <- t$quote_y - beta * t$quote_x
############## 檢驗協整關係###############
###########################################
# ADF是單位根檢驗的一種基本方法
#用 tseries包中的 adf.test函數。
#該函數返回一個包含測試結果,尤其是我們所需的P值,的物件。
library(tseries)
ht <- adf.test(sprd, alternative="stationary", k=0)
setwd("C:/Users/user2/Desktop")
# 讀入csv檔
rawdata<-read.csv("test.csv")
# 把title名稱轉為英文
# x = 10200 y = 40300
names(rawdata)[1]<-"date_x"
names(rawdata)[2]<-"close_x"
names(rawdata)[3]<-"date_y"
names(rawdata)[4]<-"close_y"
# 把成交價轉為對數
log_x<-as.data.frame(log(rawdata$close_x))
log_y<-as.data.frame(log(rawdata$close_y))
a<-cbind(rawdata,log_x,log_y)
names(a)[5]<-"logx"
names(a)[6]<-"logy"
#
a1<-na.omit(a)
# lm函數用OLS構造線性回歸模型。我們先構造一個截距為零的線性模型,然後提取模型的第2個回歸係數。
attach(a1)
m <- lm(log_y ~ log_x, data = a1)
beta <- coef(m)[1]
# 現在,計算價差序列
sprd <- t$quote_y - beta * t$quote_x
############## 檢驗協整關係###############
###########################################
# ADF是單位根檢驗的一種基本方法
#用 tseries包中的 adf.test函數。
#該函數返回一個包含測試結果,尤其是我們所需的P值,的物件。
library(tseries)
ht <- adf.test(sprd, alternative="stationary", k=0)