《时间序列分析程序》由会员分享，可在线阅读，更多相关《时间序列分析程序（1页珍藏版）》请在金锄头文库上搜索。
1、时间序列分析#读入数据data=read.csv(file.choose()r.x=diff(log(data$VALUE)*100#用auto.arima()函数自动拟合数据 library(forecast)(a=auto.arima(r.x,ic=bic)#画出拟合数据残差的广义方差检验的P值图，LjunBox检验的P值图，acf图及残差序列图 library(portes);par(mfrow=c(2,2)plot(gvtest(a$res,1:60,order=2),4,main=Gneralized variance tests, ylab=p-value,xlab=Lag,pch
2、=16,ylim=c(0,1);abline(h=0.05,lty=2) plot(LjunBox(a$res,1:60,order=2),4,main=LjunBox tests, ylab=p-value,xlab=Lag,pch=16,ylim=c(0,1);abline(h=0.05,lty=2) Acf=(a$res,main=Acf of residuals,lag.max=60) plot(a$res,type=o,ylab=Residual,pch=16);title(Residual series);abline(h=0,lty=2)#通过以上的模型拟合得到一个序列，通过判断
3、其是否平稳，不平稳则进行单位根检验#进行KPSS检验判断其是几阶单整的data(nporg,packageurca) r.x-na.omit(nporg,r.x) library(tseries)kpss.test(r.x,null=Level)kpss.test(r.x,null=Trend)kpss.test(diff(r.x),null=Level) kpss.test(diff(r.x),null=Trend) #进行McLeod.Li检验 library(TSA)McLeod.Li.test(y=residuals(a)#用程序包 fGarch 拟合 ARMA(3，3)-GARCH(1，1)模型 library(fGarch)a4=garchFit(arma(3,3)+garch(1,1),r.x)summary(a4)#查看结果slotNames(a4)
