- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
R语言arima模型时间序列分析报告
library(openxlsx)
data=read.xlsx(hs300.xlsx)
timeseries=data$`收盘价(元)`
date=data$日期
date=as.Date(as.numeric(date),origin=1899-12-30)#1998-07-05
#绘制时间序列图
plot(date,timeseries)
timeseriesdiff-diff(timeseries,differences=1)
plot(date[-1],timeseriesdiff)
#时间序列分析之ARIMA模型预测#我们可以通过键入下面的代码来得到时间序列(数据存于“timeseries”)的一阶差分,并画出差分序列的图:
#时间序列分析之ARIMA模型预测#从一阶差分的图中可以看出,数据仍是不平稳的。我们继续差分。
#时间序列分析之ARIMA模型预测#二次差分(上面)后的时间序列在均值和方差上确实看起来像是平稳的,随着时间推移,时间序列的水平和方差大致保持不变。因此,看起来我们需要对data进行两次差分以得到平稳序列。#第二步,找到合适的ARIMA模型#如果你的时间序列是平稳的,或者你通过做n次差分转化为一个平稳时间序列,接下来就是要选择合适的ARIMA模型,这意味着需要寻找ARIMA(p,d,q)中合适的p值和q值。为了得到这些,通常需要检查[平稳时间序列的(自)相关图和偏相关图。#我们使用R中的“acf()”和“pacf”函数来分别(自)相关图和偏相关图。“acf()”和“pacf设定“plot=FALSE”来得到自相关和偏相关的真实值。
acf(na.omit(timeseriesdiff2),lag.max=20)
#时间序列分析之ARIMA模型预测
#自相关图显示滞后1阶自相关值基本没有超过边界值,虽然6阶自相关值超出边界,那么很可能属于偶然出现的,而自相关值在其他上都没有超出显著边界,而且我们可以期望1到20之间的会偶尔超出95%的置信边界。
pacf(na.omit(timeseriesdiff2),lag.max=20)
#偏自相关值选5阶。#故我们的ARMIA模型为armia(1,2,5)
servearima-arima(timeseries,order=c(5,2,5))
servearima
#偏自相关值选5阶。
##
##Call:
##arima(x=timeseries,order=c(5,2,5))
##
##Coefficients:
##Warninginsqrt(diag(x$var.coef)):产生了NaNs
##ar1ar2ar3ar4ar5ma1ma2ma3
##-0.8663-0.6281-0.57140.04990.0582-0.0862-0.2969-0.0206
##s.e.NaNNaNNaNNaNNaNNaN0.1400NaN
##ma4ma5
##-0.5481-0.0482
##s.e.0.1311NaN
##
##sigma^2estimatedas2672:loglikelihood=-20640.51,aic=41303.02
library(forecast)
#对沪深300指数在2017年12月4日至2017年12月31日之间的每日收盘价进行预测
#时间序列分析之ARIMA模型预测#上图预测中的时间曲线图显示出对着时间增加,方差大致为常数(大致不变)(尽管上半部分的时间序#列方差看起来稍微高一些)。时间序列的直方图显示预测误大致是正态分布的且平均值接近于0(服从零均值的正态分布的)。因此,把预测误差看作平均值为0方差为常数正态分布(服从零均值、方差不变的正态分布)是合理的。
您可能关注的文档
- Sas数据分析(必威体育精装版文档).docx
- SAP内部顾问培训资料.pptx
- SA8000-2014程序文件020社会责任绩效团队SPT管理程序.doc
- R语言线性回归数据分析案例可视化报告 (附代码数据).docx
- R语言线性回归分析案例报告 附代码数据.docx
- R语言数据可视化分析报告(附代码数据).docx
- r语言收入逻辑回归分析报告附代码数据.docx
- R语言对BRFSS数据探索回归数据分析报告 附代码数据.docx
- r语言实验报告总结.docx
- R语言回归模型项目分析报告论文(附代码数据).docx
- 国际标准 ISO/IEC TR 19782:2006 EN 信息技术 自动识别和数据采集技术 光泽度和低基底不透明度对条形码符号读取的影响 Information technology — Automatic identification and data capture techniques — Effects of gloss and low substrate opacity on reading of bar code symbols.pdf
- 国际标准 ISO/IEC TR 19782:2006 EN Information technology — Automatic identification and data capture techniques — Effects of gloss and low substrate opacity on reading of bar code symbols 信息技术 自动识别和数据采集技术 光泽度和低基底不透明度对条形码符号读取的影响.pdf
- 国际标准 ISO/IEC TR 10192-2:2000 EN 信息技术 家庭电子系统(HES)接口 第2部分:简单接口类型1 Information technology — Home Electronic Systemes (HES) interfacesPart 2:Simple Interfaces Type 1.pdf
- 国际标准 ISO/IEC TR 10192-2:2000 EN Information technology — Home Electronic Systemes (HES) interfacesPart 2:Simple Interfaces Type 1 信息技术 家庭电子系统(HES)接口 第2部分:简单接口类型1.pdf
- 环保:我们的责任与挑战.pptx
- 2024年江苏南京中医药大学招考聘用5人(人事代理)笔试历年典型考题及考点剖析附答案详解.docx
- 2024年陕西财经职业技术学院专任教师招考聘用42人笔试历年典型考题及考点剖析附答案详解.docx
- [吉安]2023年江西吉安职业技术学院招聘非编教师笔试历年高频考点(难、易错点)附带答案详解.docx
- [南京]2024年江苏南京市玄武区编外教师校医会计招聘50人笔试历年高频考点(难、易错点)附带答案详解.docx
- 2024年河南省定向重庆大学选调应届优秀毕业生5笔试历年典型考题及考点剖析附答案详解.docx
文档评论(0)