R中的多元时间序列建模

Question

我想使用 R 拟合某种多变量时间序列模型。

这是我的数据示例：

   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）考虑季节性。为了论证，假设我想使用“u”、“cci”和“gdp”。

我该怎么做呢？

Answer 1

如果您还没有这样做，请查看the time series view on CRAN，尤其是关于多元时间序列的部分。

在金融领域，执行此操作的一种传统方法是使用因子模型，通常使用 BARRA 或 Fama-French 类型的模型。 Eric Zivot 的 "Modeling financial time series with S-PLUS" 很好地概述了这些主题，但它不能立即转移到 R. Ruey Tsay 的“Analysis of Financial Time Series”（在 CRAN 的 TSA 包中提供）也对因子模型和主成分进行了很好的讨论第九章分析。

R 也有许多包覆盖vector autoregression (VAR) 模型。特别是，我建议查看 Bernhard Pfaff 的 VAR Modelling (vars) 包和 the related vignette。

我强烈建议您查看Ruey Tsay's homepage，因为它涵盖了所有这些主题，并提供了必要的 R 代码。尤其是"Applied Multivariate Analysis"、"Analysis of Financial Time Series" 和"Multivariate Time Series Analysis" 课程。

这是一个非常大的主题，有很多好书涵盖了它，包括多元时间序列预测和季节性。这里还有一些：

1. 克莱伯和泽莱斯。 “Applied Econometrics with R”没有具体解决这个问题，但它很好地涵盖了整个主题（另见 CRAN 上的 AER 包）。
2. Shumway 和斯托弗。 “Time Series Analysis and Its Applications: With R Examples”包含多变量 ARIMA 模型的示例。
3. 哭泣者。 “Time Series Analysis: With Applications in R”是该主题的经典之作，已更新为包含 R 代码。

Answer 2

当你第一次问这个问题时不知道这个功能是否可用，但现在在 base R 中很容易使用 arima 功能；只需在函数中使用 xreg 参数指定您的外部回归量。尝试?arima，当您阅读文档时，请特别注意 xreg 参数。这很容易，祝你好运。

Answer 3

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，请尝试使用 VAR 模型。这是一个很好的教程 (PDF)。