时间序列学习笔记(1)
2017-06-28 17:20
323 查看
时间序列分析记载1
笔记依据教材时间系列分析及应用,其中也加入自己的一些理解与查找,以此来做到督促学习的目的目录
时间序列分析记载1目录
模型路径
基本的小命令
基本定义
1 随机游动
2 滑动平均
3 平稳性
4白噪声
平稳性在一节中单处理
统计上的一些代码
模型路径
时域分析:基础:AR+MA=ARMA
核心:ARIMA(Box-jenkins)
完善:
(异方差)ARCH,GARCH
(多变量)cointeraion
(非线性)门限自回归
时域-频域分析:小波分析
1.基本的小命令
主要是一些基本操作和我不太熟悉的基础代码#创建一个新的窗口,便于图像等的展示 >win.graph(width=4,height=2,pointsize=8) #幂的预算 >2**3 >scan(" .dat")#这里用scan函数读取这样格式的文件 read.delim()和read.delim2()也可用于读数据,效率提升。(这其实是read.table的特殊情况) #r中的基本对象 #向量 >seq(1,6,by=2) 1 2 3 4 5 6 >rep(1,4) 1 1 1 1 #矩阵 > x=matrix(c(1:20),ncol=4,nrow=5) > x[x>10] [1] 11 12 13 14 15 16 17 18 19 20 > x[(x>16)|(x<2)] [1] 1 17 18 19 20 > x[(x>16)&(x>2)] [1] 17 18 19 20 #基本函数 *标量abs()绝对值函数prod(2:4)连乘 *向量 > a=c(1:6) > cumsum(a)#逐点连加 [1] 1 3 6 10 15 21 > cumprod(a)#逐点连乘 [1] 1 2 6 24 120 720 *数组array() *列表list() *数据框data.frame() *时间序列ts()
在雅虎财经上下载数据的方法雅虎财经数据下载
2.基本定义
2.1 [b]随机游动[/b]ei∼(0,σ2e)i.i.d构造观测的时间序列Yt=∑ei,Yt+1=Yt+et+1(将e看为步长我就可以理解了)
μt=0,var(Yt)=tσ2e,ρt,s=ts−−√
可看出随时间的推移,方差增加,相关系数体现相邻点的正相关系数很高,但相邻很远的点相关性变差
x=c(0) for(i in 1:1000){ x[i+1]<-x+rnorm(1) } plot(x)
注:这里注意,将x的格式定义为向量的处理,将每个点存入
2.2 [b]滑动平均[/b]
et的假设相同,但Yt=et+et−12(这里Yt的设法体现滑动平均的概念)
μt=0,var(Yt)=0.5σ2e,ρt,s={10.50|t−s|=0|t−s|=1others
可以发现,对于所有的t,ρt,t−k相同。平稳
2.3 [b]平稳性[/b]
是随机过程中常见的假设。
含义:就是时序点的统计规律(例如分布)不随时间的变化而改变。
分类:
(1)严平稳∀k,ti都有Yt1,Yt2,...Ytn与Yt1−k,Yt2−k,...Ytn−k联合分布相同
(2)弱平稳:认为序列的统计性质主要由低阶矩决定,随机过程{Yt},E(Y2)<∞均值函数为常值和γt,t−k=γ0,k对∀t,k(k表示滞后)这里γ表示自协方差函数。
严平稳性质:
1. 均值方差恒定
2. γt,s=γ0,|t−s|(只与时间间隔有关)所以写为γk=cov(Yt,Yt−k)
3. ρ0=1,ρk=ρ−k,|ρk|≤1
两种平稳的比较:
通常情况下严平稳->弱平稳,反之不可
特例:不存在低阶矩的严平稳不是弱平稳,比如柯西分布。多元正太分布,二者等价。
2.4**白噪声**
独立同分布的随机变量序列{et},满足严平稳的定义
平稳性在一节中单处理
3.统计上的一些代码
3.1相关系数衡量随机变量相关性的方法主要有三种:pearson相关系数,spearman相关系数,kendall相关系数
kendall相关系数
比如两个变量x,y,将样本数进行排序,两个样本点之间的顺序值变化符号相同,满足协同性,当满足协同性的对数越多,表示相关性越好
τ=Nc−Ndn(n−1)/2其中Nc表示协同对的对数,Nd不协同对的对数。(此定义理解参考《管理科学研究方法》)
在统计中我们也可表示为pτ=P[(X−X^)(Y−Y^)>0]−P[(X−X^)(Y−Y^)<0]
spearman相关系数
同上对于两个变量进行排序处理,当两个样本点之间的对应顺序值相同,表示保持了一致的同增同减趋势,说明了相关性。
在统计中我们也可表示为ρs=ρ(Fx(X),Fy(Y))其中F表示累计分布函数。
cor(x,exp(x),method="kendall")
相关文章推荐
- 时间序列学习笔记(2)平稳性
- R语言学习笔记:时间序列分析
- 时间序列学习笔记
- R语言与时间序列学习笔记(1)
- R语言与时间序列学习笔记(2)
- Nilearn学习笔记2-从FMRI数据到时间序列
- 应用时间序列分析(王燕)学习笔记1
- 时间序列模型学习笔记(二)
- 信号与系统学习笔记1——离散时间复指数序列的周期性质
- 应用时间序列分析(王燕)学习笔记2
- [离散时间信号处理学习笔记] 3. 一些基本的LTI系统
- Linux学习笔记(上次更新时间2013/07/28)
- linux 学习笔记-时间管理
- JFreeChart笔记 (三) 时间序列图:设置图表显示属性
- C++学习笔记(20161114 ) 根据指定目标时间获得时间戳(秒数)
- 浅谈UML学习笔记动态模型之序列图、协作图
- Python学习笔记9:标准库之日期时间(time包,datetime包)
- 学习笔记-视图、序列和索引
- ElasticSearch学习_陶文1_时间序列数据库的秘密(1)—— 介绍
- python学习笔记-记录程序运行时间