资源描述：
《金融时间序列的线性模型自回归》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、金融时间序列的线性模型——自回归R实例例2.3>setwd("C:/Users/Mr.Cheng/Desktop/课件/金融数据分析导论基于R/DataSets/ch2data")%设置工作目录>da=read.table("q-gnp4710.txt",header=T)>head(da)YearMonDatVALUE1194711238.12194741241.53194771245.641947101255.65194811261.76194841268.7>G=da$VALUE>LG=log(G)>gnp=diff(LG)>dim
2、(da)[1]2534>tdx=c(1:253)/4+1947%创建一个时间序列指数，从1947开始，每次增加一个季度，一共253个季度。>par(mfcol=c(2,1))画两行一列的小图>plot(tdx,LG,xlab='year',ylab='GNP',type="l>plot(tdx[2:253],gnp,type='l',xlab='year',ylab='growth')>acf(gnp,lag=12)%画滞后12阶的对数增长率的自相关图>pacf(gnp,lag=12)%画滞后12阶的对数增长率的偏自相关图>m1=arim
3、a(gnp,order=c(3,0,0))%计算AR(3)>m1Call:arima(x=gnp,order=c(3,0,0))Coefficients:ar1ar2ar3intercept0.43860.2063-0.15590.0163s.e.0.06200.06660.06260.0012sigma^2estimatedas9.549e-05:loglikelihood=808.56,aic=-1607.12>tsdiag(m1,gof=12)%模型检验>p1=c(1,-m1$coef[1:3])%设置多项式方程的系数：1-0.43
4、8z-0.206z2+0.156z3=0>r1=polyroot(p1)%解多项式方程得到特征根>r1[1]1.616116+0.864212i-1.909216-0.000000i1.616116-0.864212i>Mod(r1)%计算特征根的模[1]1.8326741.9092161.832674>k=2*pi/acos(1.616116/1.832674)%计算周期>k[1]12.79523>mm1=ar(gnp,method='mle')%用AIC准则自动为AR（P）定阶，方法为极大似然估计>mm1$order%查看阶数[1]9
5、>names(mm1)%得到mm1的名字[1]"order""ar""var.pred""x.mean""aic"[6]"n.used""order.max""partialacf""resid""method"[11]"series""frequency""call""asy.var.coef">print(mm1$aic,digits=3)%查看mm1中的aic值，保留三位小数0123456789101177.76711.9158.7924.6696.2655.9505.1014.5966.5410.0000.5092.504122.
6、057>aic=mm1$aic>length(aic)[1]13>plot(c(0:12),aic,type='h',xlab='order',ylab='aic')%画aic竖线图>lines(0:12,aic,lty=2)%画aic连线图（虚线）>vw=read.table('m-ibm3dx2608.txt',header=T)[,3]%读取第3列数据>t1=prod(vw+1)%计算35年后的终值>t1[1]1592.953>head(vw)[1]0.000724-0.033374-0.0643410.0383580.012172
7、0.056888>t1^(12/996)-1%折算回平均每年的回报[1]0.09290084l模型的检验>vw=read.table('m-ibm3dx2608.txt',header=T)[,3]>m3=arima(vw,order=c(3,0,0))%用AR（3）拟合>m3Call:arima(x=vw,order=c(3,0,0))Coefficients:ar1ar2ar3intercept0.1158-0.0187-0.10420.0089s.e.0.03150.03170.03170.0017sigma^2estimateda
8、s0.002875:loglikelihood=1500.86,aic=-2991.73>(1-.1158+.0187+.1042)*mean(vw)%计算phi(0)[1]0.0089676
