R中的多变量时间序列建模

Question

我想用R拟合某种多变量时间序列模型

以下是我的数据示例:

   u     cci     bci     cpi     gdp    dum1 dum2 dum3    dx  
 16.50   14.00   53.00   45.70   80.63  0   0    1     6.39 
 17.45   16.00   64.00   46.30   80.90  0   0    0     6.00 
 18.40   12.00   51.00   47.30   82.40  1   0    0     6.57 
 19.35   7.00    42.00   48.40   83.38  0   1    0     5.84 
 20.30   9.00    34.00   49.50   84.38  0   0    1     6.36 
 20.72   10.00   42.00   50.60   85.17  0   0    0     5.78 
 21.14   6.00    45.00   51.90   85.60  1   0    0     5.16 
 21.56   9.00    38.00   52.60   86.14  0   1    0     5.62 
 21.98   2.00    32.00   53.50   86.23  0   0    1     4.94 
 22.78   8.00    29.00   53.80   86.24  0   0    0     6.25 

数据是季度的,虚拟变量是季节性的.

我想做的是参考其他一些预测dx,同时(可能)允许季节性.为了论证,让我说我想使用"你","cci"和"gdp".

我该怎么做呢？

Answer 1

如果您还没有这样做,请查看CRAN上的时间序列视图,尤其是关于多变量时间序列的部分.

在金融领域,一种传统的做法是使用因子模型,通常使用BARRA或Fama-French型模型.埃里克Zivot的"模拟金融时间序列与S-PLUS"给出了这些主题一个很好的概述,但它不是立即转移到R. RUEY纂的" 金融时间序列的分析 "(可在CRAN的TSA包)也有第9章对因子模型和主成分分析进行了很好的讨论.

R还有许多包含矢量自回归(VAR)模型的软件包.特别是,我建议看一下Bernhard Pfaff的VAR Modeling(vars)包和相关的插图.

我强烈建议您查看Ruey Tsay的主页,因为它涵盖了所有这些主题,并提供了必要的R代码.特别是,请查看"应用多变量分析","金融时间序列分析"和"多变量时间序列分析"课程.

这是一个非常大的主题,有很多好书涵盖它,包括多变量时间序列预测和季节性.这里还有一些:

1. Kleiber和Zeileis." 应用计量经济学与R "没有具体解决这个问题,但它很好地涵盖了整体主题(另见CRAN上的AER包).
2. Shumway和Stoffer." 时间序列分析及其应用:使用R实例 "具有多变量ARIMA模型的示例.
3. 克莱尔." 时间序列分析:使用R中的应用程序 "是该主题的经典之作,已更新为包含R代码.

Answer 2

在预测包中,尝试:

arima(df[,1:4], order=(0,0,0), xreg=df[,6:8])

用于预测u,cci和gdp.

要从中预测dx,请尝试VAR模型.这是一个很好的教程(PDF).