时间序列分析-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

yzyz345

“ugarchroll”进行滚动预测，数据报错

求助各位大佬：我的数据是上证综指的对数收益率，从1991-1-2到2018-12-18号，我想用“ugarchroll”实现滚动预测，我的模型是ARMA(1,1)-GARCH(1,1)，想分别用第1-500天的收益率数据，预测第501天的参数，并计算出各分位数下的VaR，然后再用2-501天的收益率数据，去预测第502天的参数，并就算各分位数下的VaR，直到预测到2018年12月28日的

371.8940

3

3

0

关注作者

收藏

dreamhappy2012

ARIMA建模基本步骤

获取被观测系统时间序列数据；对数据绘图，观测是否为平稳时间序列；对于非平稳时间序列要先进行d阶差分运算，化为平稳时间序列；经过第二步处理，已经得到平稳时间序列。要对平稳时间序列分别求得其自相关系数ACF 和偏自相关系数PACF，通过对自相关图和偏自相关图的分析，得到最佳的阶层 p 和阶数 q由以上得到的d、q、p，得到ARIMA模型。然后开始对得到的模型进行模型检验。具体例子会在另一篇文章

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

ARIMA模型的几个特例

1.ARIMA(0,1,0) = random walk:当d=1，p和q为0时，叫做random walk，如图所示，每一个时刻的位置，只与上一时刻的位置有关。a预测公式如下：Yˆt=μ Yt−1Y^t=μ Yt−12. ARIMA(1,0,0) = first-order autoregressive model:p=1, d=0,q=0。说明时序数据是稳定的和自相关的。一

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

在python里怎么生成时间序列

rng=pd.date_range('1/1/2012',periods=100,freq='S')ts=pd.Series(np.random.randint(0,500,len(rng)),index=rng)rngDatetimeIndex(['2012-01-01 00:00:00', '2012-01-01 00:00:01', '2012-01-

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

python里的分类数据

pandas分类数据类型的介绍，包括与R的简短比较factor。分类是与统计中的分类变量对应的pandas数据类型。分类变量采用有限的，通常是固定的可能值（类别 ; R中的级别）。例如性别，社会阶层，血型，国家归属，观察时间或通过李克特量表评级。与统计分类变量相比，分类数据可能有一个顺序（例如“强烈同意”与“同意”或“第一次观察”与“第二次观察”），但数值运算（加法，除法......）是不可能

61.1675

1

0

0

关注作者

收藏

啊啊啊啊啊吖

在时间跨度表示之间转换

rng = pd.date_range('1/1/2012', periods=5, freq='M') ts = pd.Series(np.random.randn(len(rng)), index=rng) ts2012-01-31 -1.1346232012-02-29 -1.5618192012-03-31 -0.2608382012-04-30 0.

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

python里的时区代表

rng = pd.date_range('3/6/2012 00:00', periods=5, freq='D')ts = pd.Series(np.random.randn(len(rng)), rng) ts2012-03-06 0.4640002012-03-07 0.2273712012-03-08 -0.4969222012-03-09 0.3

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

pandas具有简单，强大且高效的功能，用于在频率转换期间执行重采样操作（例如，将第二数据转换为5分钟数据）。这在财务应用程序中非常常见，但不仅限于此。 rng = pd.date_range('1/1/2012', periods=100, freq='S') ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

基于时间序列分割

数据是如图中所示，大概有几十年的日数据值，我现在想做的是将“数值”列基于年份进行分割，得到如：1990年、1991年～2015年每年的“数值”。year

0.0000

0

2

0

关注作者

收藏

zxq997

ARIMA模型的一般步骤

一般步骤：（1）平稳性检验。在这个环节中，我们需要对数据进行平稳性检验，这是因为只有平稳的序列，其特征才是稳定的，可重复的，也就具有了预测的可能性。如果序列本身是非平稳的，那么通常我们有两种处理方式，一是进行差分，而是进行对数变换。（2）对于平稳的序列，我们需要对计算序列的ACF和PACF，通过分析ACF和PACF拖尾和截尾的形态，来判断ARIMA模型的形式以及p和q的取值（由于考虑差分

0.0000

0

3

0

关注作者

收藏

zxq997

非平稳时间序列ARIMA模型

通过适当差分等手段，将它化为平稳时间序列，再采用ARMA(n,m)模型建模。（1）差分运算差分运算是一种非常简便、有效的确定性信息提取方法，Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息。差分运算的实质是使用自回归的方式提取确定性信息。 其中B为后移算子，Bxt=xt1,差分与后移算子的关系为。（2）差分方式的选择序列蕴含着显著的线性趋势，一

0.0000

0

3

0

关注作者

收藏

zxq997

平稳时间序列ARMA模型

（1）自回归模型AR（n）假设时间序列Xt仅与Xt-1,Xt-2,…,Xt-n有线性关系。而在Xt-1,Xt-2,…,Xt-n已知条件下，Xt与Xt-j （j = n 1、n 2…）无关，εt是一个独立于Xt-1,Xt-2，…，Xt-n的白噪声序列。其中。事实上，AR模型就是从线性回归演化而来，只是线性回归是建立自变量X和因变量Y的线性关系，而向量自回归是建立当期与往期的线性关系。举

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

如何提取时间序列中的数据

如题，怎么从时间序列中提取出同年不同月的数据啊呢？要是想合并的话不如一开始就用matrixsales

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

Excel数据导入R时间问题

Excel里面时间导入R语言不能正确读取啊，读取出来完全不一样不要年份只要时间，数据格式是unknown那如何能够让正确读取和识别时间开始我使用plotdatatime

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

时间序列里的那些图，你会吗

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

时间序列数据处理的学习分享（基于R）

#转成时间序列类型x = rnorm(2)charvec = c(“2010-01-01”,”2010-02-01”)zoo(x,as.Date(charvec)) #包zooxts(x, as.Date(charvec)) #包xtstimeSeries(x,as.Date(charvec)) #包timeSeries#规则的时间序列，数据在规定的时间间隔内出现t

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

R里关于时间序列函数整理

R与金融时间序列分析常见问题集library(zoo) #时间格式预处理library(xts) #同上library(timeSeires) #同上library(urca) #进行单位根检验library(tseries) #arma模型library(fUnitRoots) #进行单

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

一行通用代码搞定list合并的问题

现在有一个list。list里每一个元素都是一个时间序列，元素名称为该股票代码，时间序列为该股票在一段时间的数据。现在想把list的元素合并为一个整的时间序列，并在每观测值添加一个变量，代表该观测值对应的股票。alapply() dplyr::bind_rows()

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

关于季节性Arima分析的问题

1）之前在网上查看关于时间序列分析的文章，在分析之前首先需要去掉非平稳的部分。这个非平稳的部分，包含趋势和季节性。那这样的话，季节性是不是就是没有研究价值的部分？ 2）是不是对本身就有季节性变化的数据，才能在预测时，在R的forecast函数部分指定关于季节性的参数？对本身就没有季节性变化的数据，在做预测时，就不能在R的forecast函数部分指定关于季节性的参数？ 3）R的auto.

0.0000

0

5

0

关注作者

收藏

zxq997

时间序列的平稳性

通俗介绍四种时间序列分析法之前，需要先回顾前面介绍的一个知识点，平稳时间序列和非平稳时间序列，AR/MA/ARMA用于分析平稳时间序列，ARIMA通过差分可以用于处理非平稳时间序列。平稳时间序列和非平稳时间序列如下面两幅图所示：左边的图是工业生产中的温度时间序列，它是围绕一个常数上下波动的，也就是计算时间序列所有数值的平均值，会等于这个常数。工业生产中对液面、压力、温度的控制过程；某地

0.0000

0

1

0

关注作者

收藏

CDA考试动态

CDA报考指南