web-dev-qa-db-fra.com

Modélisation de séries temporelles multivariées en R

Je veux adapter une sorte de modèle de série chronologique à plusieurs variables en utilisant R.

Voici un échantillon de mes données:

   u     cci     bci     cpi     gdp    dum1 dum2 dum3    dx  
 16.50   14.00   53.00   45.70   80.63  0   0    1     6.39 
 17.45   16.00   64.00   46.30   80.90  0   0    0     6.00 
 18.40   12.00   51.00   47.30   82.40  1   0    0     6.57 
 19.35   7.00    42.00   48.40   83.38  0   1    0     5.84 
 20.30   9.00    34.00   49.50   84.38  0   0    1     6.36 
 20.72   10.00   42.00   50.60   85.17  0   0    0     5.78 
 21.14   6.00    45.00   51.90   85.60  1   0    0     5.16 
 21.56   9.00    38.00   52.60   86.14  0   1    0     5.62 
 21.98   2.00    32.00   53.50   86.23  0   0    1     4.94 
 22.78   8.00    29.00   53.80   86.24  0   0    0     6.25

Les données sont trimestrielles, les variables muettes concernent la saisonnalité.

Ce que je voudrais faire, c'est prédire le dx par rapport à certains autres, tout en tenant compte (éventuellement) de la saisonnalité. Par souci d'argument, disons que je veux utiliser "u", "cci" et "gdp".

Comment pourrais-je procéder?

rstatisticstime-series
40
Karl

Si vous ne l'avez pas déjà fait, jetez un œil à la vue des séries chronologiques sur CRAN , en particulier la section sur les séries temporelles multivariées.

En finance, une manière traditionnelle de le faire est d'utiliser un modèle factoriel, souvent avec un modèle de type BARRA ou Fama-français. Eric Zivot "Modélisation des séries chronologiques financières avec S-PLUS" donne un bon aperçu de ces sujets, mais il n'est pas immédiatement transférable dans R. Ruey Tsay " Analyse des séries chronologiques financières "(disponible dans le package TSA sur CRAN) contient également une discussion intéressante sur les modèles factoriels et l'analyse en composantes principales au chapitre 9.

R a également un certain nombre de packages qui couvrent les modèles autorégression vectorielle (VAR) . En particulier, je recommanderais de regarder le package Modélisation VAR (vars) de Bernhard Pfaff et la vignette associée .

Je recommande fortement de regarder Page d'accueil de Ruey Tsay car il couvre tous ces sujets et fournit le code R nécessaire. En particulier, regardez les cours "Analyse multivariée appliquée" , "Analyse des séries chronologiques financières" , et "" Analyse multivariée des séries chronologiques " .

C'est un sujet très vaste et il existe de nombreux bons livres qui le couvrent, y compris à la fois la prévision de séries temporelles multivariées et la saisonnalité. En voici quelques autres:

  1. Kleiber et Zeileis. " Applied Econometrics with R " ne traite pas spécifiquement de cela, mais il couvre très bien le sujet général (voir également le package AER sur CRAN).
  2. Shumway et Stoffer. " Analyse des séries chronologiques et ses applications: avec des exemples R " contient des exemples de modèles ARIMA multivariés.
  3. Cryer. " Time Series Analysis: With Applications in R " est un classique sur le sujet, mis à jour pour inclure le code R.
106
Shane

Dans le package de prévisions, essayez:

arima(df[,1:4], order=(0,0,0), xreg=df[,6:8])

pour les prévisions u, cci et gdp.

Pour prévoir dx à partir de cela, essayez le modèle VAR. Voici un bon tutoriel ( [~ # ~] pdf [~ # ~] ).

7
Olga Mu

Je ne sais pas si cette fonctionnalité était disponible lorsque vous avez posé cette question pour la première fois, mais elle est facilement disponible dans la base R maintenant avec la fonction arima; spécifiez simplement vos régresseurs externes avec l'argument xreg dans la fonction. Essayez ?arima et lorsque vous lisez la documentation, portez une attention particulière à l'argument xreg. Cela a été rendu très facile, bonne chance.

3
bstockton