R语言与时间序列学习笔记（1）

       今天分享的是R语言中时间序列的有关内容。主要有：时间序列的创建，ARMA模型的建立与自相关和偏自相关函数。

一、          时间序列的创建

时间序列的创建函数为：ts().函数的参数列表如下：

ts(data = NA, start = 1, end = numeric(),frequency = 1,

  deltat = 1, ts.eps = getOption("ts.eps"), class = , names = )

参数说明：data：这个必须是一个矩阵，或者向量，再或者数据框frame

          Frequency：这个是时间观测频率数，也就是每个时间单位的数据数目

          Start：时间序列开始值，允许第一个个时间单位出现数据缺失

举例：ts(matrix(c(NA,NA,NA,1:31,NA),byrow=T,5,7),frequency=7,names=c("Sun","Mon ","Tue", "Wen" ,"Thu","Fri"," Sat"))

运行上面的代码就可以得到一个日历：

Sun  Mon Tue Wen Thu  Fri  Sat

  NA   NA  NA   1  2    3    4

   5    6   7   8  9   10   11

  12   13  14  15 16   17   18

  19   20  21  22 23   24   25

  26    27 28  29  30   31   NA

在R语言中本身也有不少数据集，比如统计包中的sunspots，你可以通过函数data(sunspots)来调用它们。

二、       一些时间序列模型

这里主要介绍AR，MA，随机游走，余弦曲线趋势，季节趋势等

首先介绍一下AR模型：AR模型，即自回归（AutoRegressive,AR）模型，数学表达式为：　　AR :y(t)=a1y(t-1)+...any(t-n)+e(t)

其中，e(t)为均值为0，方差为某值的白噪声信号。

那么产生AR模型的数据，我们就有两种方法：1、调用R中的函数filter（线性滤波器）去产生AR模型；2、根据AR模型的定义自己编写函数

先说第一种方法：调用R中的函数filter（线性滤波器）去产生AR模型

介绍函数filter的用法如下：

filter(x, filter, method = c("convolution", "recursive"),

       sides = 2, circular = FALSE, init)

对于AR（2）模型x（t）=x(t-1)--0.9x(t-2)+e(t)

w<-rnorm(550)#我们假定白噪声的分布是正态的。

x<-filter(w,filter=c(1,-0.9),"recursive")

#方法&#