画完自相关图的话，然后——
时间序列数据:prop
pacf(prop,12)#做偏自相关,滞后期为12
Box.test(prop, type="Ljung-Box",lag=6) #纯随机性检验,fitdf表示残差减少的自由度,p值小于5%,序列为非白噪声
Box.test(prop, type="Ljung-Box",lag=12)
( m1=arima(prop, order = c(1,0,0),method="ML") ) #用AR(1)模型拟合，如参数method="CSS"，估计方法为条件最小二乘法，用条件最小二乘法时，不显示AIC。
( m2=arima(prop, order = c(1,0,0),method="ML", include.mean = F) ) #用AR(1)模型拟合，不含截距项。
tsdiag(m1) #对估计进行诊断，判断残差是否为白噪声
summary(m1)
r=m1$residuals #用r来保存残差
Box.test(r,type="Ljung-Box",lag=6, fitdf=1)#对残差进行纯随机性检验，fitdf表示残差减少的自由度
AutocorTest(m1$resid) #加载FinTS包，进行自相关检验
prop.fore = predict(m1, n.ahead =5) #将未来5期预测值保存在prop.fore变量中
U = prop.fore$pred + 1.96* prop.fore$se #会自动产生方差
L = prop.fore$pred – 1.96* prop.fore$se #算出95%置信区间
ts.plot(prop, prop.fore$pred, col=1:2) #作时序图，含预测。
lines(U, col="blue", lty="dashed")
lines(L, col="blue", lty="dashed")#在时序图中作出95%置信区间
扫码加好友，拉您进群
全部版块
我的主页
收藏
