1、数据获取    在网易财经下载沪深300指数的历史数据，并整理出收益率
2、用数据进行分析。
R语言代码：
#沪深300指数时间序列的测试
#自相关性测试
rm(list=ls())#清除所有变量
library(TTR)
library(openxlsx)
#读取数据
hs<-read.xlsx("hs.xlsx")
head(hs,10)
class(hs)
#转换成时间序列
sh=xts(hs[,2],order.by=as.Date(hs[,1]))
head(sh,3)
#使用openxlsx时间序列的日期会比平时多70年
class(sh)
mode(sh)
#求自相关性
acf(sh)
#观察图形可以看到，4,6存在明显的自相关性
#求偏相关性
pacf(sh)
#观察图形，同样很明显看到，4,6阶滞后存在明显自相关性
#综上，我们认为，今天的沪深300收益率会对未来第4天和第6天有影响（似乎有点问题）
#平稳性测试
plot(sh,main="2002-2016沪深300指数收益率")
#单位根检验
library(urca)
search()
ur.df(sh,type="none")
summary(ur.df(sh,type="none"))
#The value of the test statistic明显小于1%水平下的Critical values for test statistics
#故我们拒绝非平稳的假设。沪深300指数的收益率是平稳的
#白噪声检验
Box.test(sh,lag=12,type='Ljung-Box')
#p值小于5%，我们认为在5%的显著性水平下，可以拒绝该假设。即沪深300指数的收益是非白噪声序列
Box.test(sh,lag=6,type='Ljung-Box')
Box.test(sh,lag=3,type='Ljung-Box')
Box.test(sh,lag=4,type='Ljung-Box')
Box.test(sh,lag=1,type='Ljung-Box')
#滞后期数小于等于3的情况下，是白噪声序列
#理论上，白噪声序列四没有研究价值的

经分析，沪深300指数具有自相关性，平稳性和非白噪声，是很好的研究的数据，并且有一定的价值

注：时间增加了70年，使用openxlsx包的时候出现的