- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
实用文档
基于garch模型的预测--R程序
时间序列作业
一.数据介绍
本次数据与第一次作业数据相同,所以时间序列的水平信息的提取在本次作业中不再进行分析,而是提取arima模型拟合后的残差,对其建立garch模型,对这部分进行分析。
二.代码及备注
setwd(E:/Rstuff)#设置工作目录#
library(zoo)#加载zoo包#
library(forecast)#加载forecast包#
library(tseries)#加载tseries包#
library(mclust)#加载mclust包#
library(lmtest)#加载lmtest包#
library(FinTS)#加载FinTS包#
work=read.table(file=work.txt,header=T,sep=)#读入数据#
work=ts(work,frequency=12,start=c(1985,1))#将读入数据生成为时间序列#plot(work)#绘制时间序列图#
acf(work)#绘制时间序列自相关图#
pacf(work)#绘制时间序列偏自相关图#
work1=diff(work,lag=12)#对原始序列进行12步差分#
plot(work1)#绘制差分后序列的时序图#
Box.test(work1)#检验差分后的时间序列是否为平稳序列#
acf(work1,36)#绘制差分后的时间序列自相关图#
pacf(work1,36)#绘制差分后的时间序列偏自相关图#
fit=arima(work,order=c(1,1,1),seasonal=list(order=c(0,1,1),period=12),
include.mean=T,method=CSS,transform.pars=T)#建立模型#
for(iin1:6){
print(Box.test(fit$residual,type=Ljung-Box,lag=i))
}#对残差序列进行延迟1-6阶白噪声检验#
RE=fit$residuals#提取残差#
plot(RE)#绘残差图#
for(iin1:6)print(ArchTest(RE,lag=i))#检验是否存在异方差#
dwtest(RE~1)#检验是否存在短期自相关#
P=NULL#定义空变量用于存储p值#
Q=NULL#定义空变量用于存储q值#
AIC=NULL#定义空变量用于存储aic值#
for(pin0:2){
for(qin1:2){
fit=garch(RE,order=c(p,q));
aic=AIC(fit);
P=c(P,p);
Q=c(Q,q);
AIC=c(AIC,aic);
}
}
for(pin1:2){
fit=garch(RE,order=c(p,0));
aic=AIC(fit);
P=c(P,p);
Q=c(Q,0);
AIC=c(AIC,aic);
}
L=cbind(P,Q,AIC)
ORDER=order(AIC)
k=ORDER[1]
L[k,]#显示aic最小的行#
L#显示全部p,q,aic#
p=L[k,1]#将最小aic的p值提取#
q=L[k,2]#将最小aic的q值提取#
fit.garch=garch(RE,order=c(p,q))#建立aic最小模型#
fit.pred-predict(fit.garch)#对拟合期进行预测#
plot(fit.pred)#绘制残差拟合期预测图#
plot(RE)#绘制原始序列残差图#
lines(fit.pred[,1],col=2)#绘制残差预测值各点的置信区间上限#lines(fit.pred[,2],col=2)#绘制残差预测值各点的置信区间下限#abline(h=1.96*sd(RE),col=4)#绘制RE序列均值95%置信区间上限#abline(h=-1.96*sd(RE),col=4)#绘制RE序列均值95%置信区间下限#
三.分析过程
本次数据与第一次作业数据相同,所以时间序列的水平信息在本次作业中不再进行分析,而是提取其残差,对其建立garch模型。
for(iin1:6){
print(Box.test(fit$residual,type=Ljung-Box,lag=i))
}
对残差序列进行延迟1-6阶白噪声检验
分析:p值均很大,拒绝原假设,即认为残差序列为白噪声序列。
RE=fit$residuals提取残差
plot(RE)绘残差图
分析:残差图显示为平稳序列,但波动很大,此序列可能有异方差。
Time
RE
198619881990
199219941996
-100
102
for(iin1:6)print(ArchTest
您可能关注的文档
最近下载
- 智慧水利工程基础知识单选题100道及答案.docx VIP
- 牙列拥挤的矫治.ppt VIP
- 《园林景观手绘技法表现》课件(共六章——下).pptx VIP
- 抖音新创作者规则学习考试抖音达人违规免处罚考试答案.docx VIP
- 赛力斯SF5使用说明书2(共2部分).pdf VIP
- Unit 2 Face Lesson 1(课件) 一年级英语上学期(人教新起点版).pptx VIP
- 《园林景观手绘技法表现》课件(共六章——上).pptx VIP
- 2025年国家执业药师考试《中药一》常用中药材彩图(第七版 高清图片) .pdf VIP
- 急性药物中毒的急救与护理.ppt VIP
- 海外项目工作总结8篇.docx VIP
原创力文档


文档评论(0)