【R语言实验】基于R语言的时间序列平稳性检验

一、实验项目名称：基于R语言的时间序列平稳性检验
二、实验目的与要求：
平稳时间序列的概念，平稳性检验的时序图检验方法和自相关图检验方法。
三、实验原理：
时序图和自相关图检验时间序列的平稳性依据；
四、测试数据与实验结果
测试数据1 ：通过阅读教材内容，填写下列空白
实验结果：
（1）时间序列分析的基本步骤如下框图：

由上面框图可以看出，进行时间序列分析之前要进行时间序列的预处理分析，即 平稳性检验 与 纯随机性检验 。
（2）对时间序列进行平稳性检验的两种方法有 图检验方法 和 构造检验统计量进行假设检验的方法 。本章中主要介绍 图检验 平稳性检验方法，而对于构造检验统计量进行假设检验 平稳性检验方法放在了第4章学习。
（3）平稳的时间序列具有均值和方差为常数的性质，因此平稳序列的时序图应该显示出该序列始终在一个 常数值 附近随机波动，而且波动范围有界的特点。这些特点使得我们判断时间序列是否平稳，有了充要（充分、必要、充要）条件。也就是说只有绘制出的时序图，序列波动不始终在一个常值附近随机波动，我们就可以说该时间序列不是平稳时间序列。当一个序列具有明显的趋势性或周期性，通常就不是平稳序列。
（4）根据第（3）部分的结果，我们可以判断教材中图2-15、图2-16、图2-17分别可能为 非平稳时间序列 、非平稳时间序列 、平稳时间序列。
测试数据2：阅读教材完成下列问题：
（1）对时间序列平稳性检验中图检验方法有两种，一是 时序图检验 ，二是 自相关图检验 。
（2）自相关图是一个横坐标轴表示 延迟期数 ，纵坐标轴表示 自相关系数 。
测试数据3：平稳时间序列通常具有短期相关性，该性质说明平稳序列的自相关系数很快地衰减向零。反之，非平稳序列的自相关系数衰减向零的速度通常比较慢，这就是我们利用自相关图进行平稳性判断的标准。
测试数据4：完成教材41页第2题
实验结果：
（1）非平稳时间序列

（2）
（3）

自相关图显示：该序列的自相关系数相差较大，并不认为该序列始终在零轴附近波动。这是非平稳时间序列具有的自相关图特征。
测试数据5：完成教材42页第3题的（1）和（2）小题。
实验结果：

根据自相关图显示结果可知，该序列是平稳时间序列。
五、实验总结
六、部分参考代码（可附页或提交电子版）
测试数据4的代码：
（1）

ppm<-c(330.45,331.90,331.63,333.05,332.81,334.65,334.66,336.25,335.89,337.41,337.81,339.25,330.97,330.05,332.46,330.87,333.23,332.41,335.07,334.39,336.44,335.71,338.16,337.19,331.64,328.58,333.36,329.24,334.55,331.32,336.33,332.44,337.63,333.68,339.88,335.49,332.87,328.31,334.45,328.87,335.82,330.73,337.39,332.25,338.54,333.69,340.57,336.63,333.61,329.41,334.82,330.18,336.44,332.05,337.65,333.59,339.06,335.05,341.19,337.74,333.55,330.63,334.32,331.50,335.99,333.53,337.57,334.76,338.95,336.53,340.87,338.36)
yield<-ts(ppm,start=c(1975,1),frequency=12)
plot(yield)
（2）
y<-acf(yield,lag=24)
y
（3）
y<-acf(yield,lag=24)
测试数据5的代码：
mm<-c(69.3,80.0,40.9,74.9,84.6,101.1,225.0,95.3,100.6,48.3,144.5,128.3,38.4,52.3,68.6,37.1,148.6,218.7,131.6,112.8,81.8,31.0,47.5,70.1,96.8,61.5,55.6,171.7,220.5,119.4,63.2,181.6,73.9,64.8,166.9,48.0,137.7,80.5,105.2,89.9,174.8,124.0,86.4,136.9,31.5,35.3,112.3,143.0,160.8,97.0,80.5,62.5,158.2,7.6,165.9,106.7,92.2,63.2,26.2,77.0,52.3,105.4,144.3,49.5,116.1,54.1,148.6,159.3,85.3,67.3,112.8,59.4)
yuliang<-ts(mm,start=c(1945,1),frequency=12)
x<-acf(yuliang,lag=24)
x

【R语言实验】基于R语言的时间序列平稳性检验相关推荐

python白噪声检验_时间序列平稳性检验白噪声峰度偏度
时间序列简而言之,时间序列就是带时间戳的数值序列.股票,期货等金融数据就是典型的时间序列.量化的过程,很多时间都是在分析时间序列,找到稳定赚钱因子. 平稳性定义所谓时间序列的平稳性,是指时间序列的 ...
python 白噪声检验结果-时间序列平稳性检验白噪声峰度偏度
时间序列简而言之,时间序列就是带时间戳的数值序列.股票,期货等金融数据就是典型的时间序列.量化的过程,很多时间都是在分析时间序列,找到稳定赚钱因子. 平稳性定义所谓时间序列的平稳性,是指时间序列的 ...
python 白噪声检验-时间序列平稳性检验白噪声峰度偏度
时间序列简而言之,时间序列就是带时间戳的数值序列.股票,期货等金融数据就是典型的时间序列.量化的过程,很多时间都是在分析时间序列,找到稳定赚钱因子. 平稳性定义所谓时间序列的平稳性,是指时间序列的 ...
python时间序列平稳性检验_Python量化投资基础：时间序列的平稳性检验
主要内容: 1. 自相关性和自相关系数 2. 强平稳和弱平稳 3. Python平稳性检验实战重要性:10分 (1-10). 时间序列数据的平稳性对于我们采用什么样的分析方式.选择什么样的模型有着至 ...
matlabadftest_怎样用matlab做时间序列平稳性检验
展开全部用matlab做时间序e68a84e8a2ad62616964757a686964616f31333431373234列平稳性检验需要作图.拟合,具体说明如下所示: 根据动态数据作相关图,进 ...
时间序列平稳性检验—R语言KPSS检验
1.R语言函数ur.kpss() 用R自带的google股价变化数据goog为例(可以通过导入fpp2包之后直接使用goog这个数组变量). 1.1 对goog进行KPSS检验 R代码为 librar ...
时间序列平稳性检验（ADF）和白噪声检验（Ljung-Box）
在对时间序列做预测前,我们要对数据进行一系列检验,主要是检验数据的稳定性和随机性(白噪声检验),本文主要介绍ADF检验和Ljung-Box检验 ADF检验 ADF检验即单位根检验是指检验序列中是否存在 ...
时间序列平稳性分析和白噪声检验
文章目录一.时间序列平稳性 1.ADF检验 1.1.ADF检验原理 1.2.ADF的python实现 2.ACF和PACF 二.白噪声检验原始的负荷时间序列曲线一.时间序列平稳性时间序列分析之 ...
R语言时间序列平稳性几种单位根检验（ADF，KPSS，PP）及比较分析
原文链接:http://tecdat.cn/?p=21757 时间序列模型根据研究对象是否随机分为确定性模型和随机性模型两大类. 随机时间序列模型即是指仅用它的过去值及随机扰动项所建立起来的模型,建立 ...

【R语言实验】基于R语言的时间序列平稳性检验

【R语言实验】基于R语言的时间序列平稳性检验相关推荐

最新文章

热门文章