这一章用三个实例来详细讲解如何用R语言和线性时间序列模型分析实际数据,
并展现线性时间序列模型的适用性与局限性。
数据为:
- 1997-01-06到2010-09-27的美国普通汽油价格周数据;
- 1880年1月到2010年8月全球温度异常值的月度数据;
- 美国失业率月度数据,包括首次申领失业救济金人数的序列以及不包括的序列。
这些数据是持续更新的,
也反映了全球或美国经济的重要方面,
其建模问题有足够的代表性。
用时间序列分析或者统计方法建模时,
最常遇到的困难是如何选取一个适当的模型。
当数据之间的动态相依性很复杂时,
模型的形式难以确定;
当有多个模型都表现很好时,
模型难以选择。
George Box教授关于建模问题有一句名言(Box 1976):
所有的模型都是错误的,但是其中有一些是有用的。
不同的研究目的可能偏向于不同的模型。
时间序列数据建模的一些指导原则:
- 数据仅是可利用信息的一部分,
专业知识、常识、历史事件等都是需要考虑的可利用信息。 - 多个模型可能表现相近,
这时并没有一个“正确的”模型,
选择一个就可以。 - 在预测时,可以结合多个模型来改善预测效果。
- 建模的过程是从最简单的模型到逐步复杂,
千万不能以为理论上越复杂、理解和掌握的人数越少的模型才是越好的模型。 - 模型应尽可能选择更简洁的模型,
如果两个模型的表现相近,
一定要选择更简单的一个。
这也是避免过度拟合的要求。
过度拟合会导致模型的外推预测能力丧失。
13.1 数据读入与探索性分析
原油价格和汽油价格对美国经济的重要影响:
- 20实际70年代初期石油危机展示了石油资源的战略意义。
- 2008年汽油价格高涨影响了居民生活:
- 交通成本上涨
- 供热成本上涨
- 食品,服务价格上涨==> 通货膨胀
- 降低了消费者在其它消费项目上的可支配收入,可能导致经济萧条
研究美国汽油价格以及原油价格对其影响。
数据为美国普通石油价格周数据,从1997-01-06到2010-09-27。
时间是每周三, 共717个时间点;
美国原油价格周数据,从1997-01-03到2010-09-24。
时间是每周日。共717个时间点。
原油价格比汽油价格早3天发布。
读入数据:石油价格和汽油价格分成了两个输入文件。
石油价格的输入文件w-petroprice.txt
又是一个用单个空格、多个空格、制表符、空格加制表符分隔的文件。
这种文件千万不要自己制造出来。
目前readr包还不支持这样的文件,
用R原来的read.table()
函数来读入:
da1 <- read.table(
"w-petroprice.txt", header=TRUE)
xts.petrol <- xts(
da1[,-(1:3)], make_date(da1[["Year"]], da1[["Mon"]], da1[["Day"]]))
da2 <- read_table(
"w-gasoline.txt", col_names="pgas",
col_types=cols(.default=col_double())
)
xts.gasoline <- xts(da2[[1]], index(xts.petrol)+3)
xts.pgs <- log(xts.gasoline[,1]) # 美国普通汽油价格对数值序列
pgs <- coredata(xts.pgs)[,1]
xts.pus <- log(xts.petrol[,"US"]) # 美国原油价格对数值序列
pus <- coredata(xts.pus)[,1]
## 一阶差分序列
dpgs <- diff(pgs)
dpus <- diff(pus)
如果希望用readr包来读入,
最简单的解决办法是用文本编辑器编辑,将制表符都替换成单个空格;
下面的R程序用了R语言的文件操作和正则表达式进行替换:
la <- readLines("w-petroprice.txt")
la <- gsub("\\s+", " ", la)
la <- gsub("^\\s+|\\s$", "", la)
da1 <- read_table(
paste(la, collapse="\n"),
col_types=cols(.default=col_double())
)
汽油价格对数值的时间序列图:
plot(
xts.pgs,
main="ln Gasoline Price",
major.ticks="years", minor.ticks=NULL,
grid.ticks.on="years",
col="red"
)
图13.1: 汽油价格对数值序列
原油价格对数值的时间序列图:
plot(
xts.pus,
main="ln Petrol Price",
major.ticks="years", minor.ticks=NULL,
grid.ticks.on="years",
col="black"
)
图13.2: 原油价格对数值序列
将对数汽油价格与对数原油价格同时绘制:
xts.pgs.pus <- xts(cbind(pgs, pus), index(xts.pgs))
plot(
xts.pgs.pus,
main="ln Petrol Price and ln Gasoline Price",
major.ticks="years", minor.ticks=NULL,
grid.ticks.on="years",
col=c("red", "black")
)
图13.3: 汽油、原油价格对数值序列
为什么要用对数价格而不用原始价格?
请看原始价格的图形:
xts.orig.pgs.pus <- xts(cbind(exp(pgs), exp(pus)), index(xts.pgs))
plot(
xts.orig.pgs.pus,
main="Petrol Price and Gasoline Price",
major.ticks="years", minor.ticks=NULL,
grid.ticks.on="years",
col=c("red", "black")
)
图13.4: 汽油、原油价格原始序列
从图形可以看出,
原始价格随时间而振幅变大,
两个序列画在同一序列很难看出有同步变化。
对数变换是最常见的克服指数增长、将比例关系转换成线性关系的变换。
对数汽油价格对对数原油价格的散点图:
plot(pus, pgs, xlab="ln(Petrol Price)", ylab="ln(Gasoline Price)",
pch=16, cex=0.3)
图13.5: 对数汽油对对数原油价格
可以看出汽油价格与同期原油价格相关性很强,相关系数为:
##
## Pearson's product-moment correlation
##
## data: pus and pgs
## t = 143.56, df = 715, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.9804472 0.9853826
## sample estimates:
## cor
## 0.9830925
相关系数为0.98。
因为对数价格呈现出缓慢增长随机趋势,
所以使用其差分值(价格的对数变化率)作为建模数据。
汽油价格对数增长率的时间序列图:
plot(
diff(xts.pgs),
main="Gasoline Price Log Increase Rate",
major.ticks="years", minor.ticks=NULL,
grid.ticks.on="years",
col="red"
)
图13.6: 汽油价格对数增长率序列
汽油价格对数增长率的直方图:
hist(dpgs, xlab="Gasoline Price Log Increase Rate")
图13.7: 汽油价格对数增长率分布
汽油价格对数增长率的ACF:
图13.8: 汽油价格对数增长率ACF
明显非白噪声,也不是低阶MA的典型形状。
ACF衰减很快,符合线性时间序列要求。
汽油价格对数增长率的PACF:
图13.9: 汽油价格对数增长率PACF
PACF在滞后1到5都是显著的,在滞后19处也比较显著。
用低阶AR有一定合理性。
PACF衰减很快,符合线性时间序列要求。
对数汽油价格序列的单位根检验:
fUnitRoots::adfTest(pgs, lags=5, type="c")
##
## Title:
## Augmented Dickey-Fuller Test
##
## Test Results:
## PARAMETER:
## Lag Order: 5
## STATISTIC:
## Dickey-Fuller: -1.5863
## P VALUE:
## 0.4678
##
## Description:
## Wed Mar 23 07:34:19 2022 by user: Lenovo
检验结果是有单位根。
但是,
如果扣除一个非随机线性趋势项检验,就没有单位根:
fUnitRoots::adfTest(pgs, lags=5, type="ct")
##
## Title:
## Augmented Dickey-Fuller Test
##
## Test Results:
## PARAMETER:
## Lag Order: 5
## STATISTIC:
## Dickey-Fuller: -3.7307
## P VALUE:
## 0.02246
##
## Description:
## Wed Mar 23 07:34:19 2022 by user: Lenovo
下面还是按照对数汽油价格是单位根序列来建模。
13.2 AR(5)模型
记汽油价格对数增长率为xt。
从时间序列图13.6来看,
xt在2005年有一个高涨:
plot(
diff(xts.pgs)["2005"],
main="Gasoline Price Log Increase Rate",
major.ticks="month", minor.ticks=NULL,
grid.ticks.on="months",
col="red"
)
图13.10: 汽油价格对数增长率序列2005年
在2008年有一个大跌:
plot(
diff(xts.pgs)["2008"],
main="Gasoline Price Log Increase Rate",
major.ticks="month", minor.ticks=NULL,
grid.ticks.on="months",
col="red"
)
图13.11: 汽油价格对数增长率序列2008年
这些极端值为建模增加了困难。
从xt的ACF和PACF来看,
都是快速衰减,
比较符合线性时间序列特征。
使用AIC对AR模型定阶:
##
## Call:
## ar(x = dpgs, method = "mle")
##
## Coefficients:
## 1 2 3 4 5
## 0.5068 0.0786 0.1352 -0.0362 -0.0869
##
## Order selected 5 sigma^2 estimated as 0.000326
AIC选择5阶,
这也与PACF的观察结果吻合。
先建立一个含有常数项的AR(5)模型,
再考虑常数项是否需要:
arima(dpgs, order=c(5,0,0), include.mean=TRUE)
##
## Call:
## arima(x = dpgs, order = c(5, 0, 0), include.mean = TRUE)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 intercept
## 0.5067 0.0786 0.1352 -0.0362 -0.0867 0.0011
## s.e. 0.0372 0.0417 0.0415 0.0417 0.0372 0.0017
##
## sigma^2 estimated as 0.000326: log likelihood = 1858.07, aic = -3702.14
从intercept的估计值与SE的比较来看,
均值是不显著的。
(如果估计值落入正负二倍SE范围就不显著)。
所以改为一个不含常数项的AR(5)模型:
resm3 <- arima(dpgs, order=c(5,0,0), include.mean=FALSE); resm3
##
## Call:
## arima(x = dpgs, order = c(5, 0, 0), include.mean = FALSE)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5
## 0.5073 0.0788 0.1355 -0.0360 -0.0862
## s.e. 0.0372 0.0417 0.0415 0.0417 0.0372
##
## sigma^2 estimated as 0.0003262: log likelihood = 1857.85, aic = -3703.71
以上模型为
xt=0.5073xt−1+0.0788xt−2+0.1355xt−3−0.0360xt−4−0.0862xt−5+εt, Var(εt)=0.0003262
逐个看AR系数的显著性,
可以发现ar4明显地不显著,
ar2也接近于不显著。
删除第4个AR系数:
resm4 <- arima(
dpgs, order=c(5,0,0), fixed=c(NA, NA, NA, 0, NA),
include.mean=FALSE); resm4
## Warning in arima(dpgs, order = c(5, 0, 0), fixed = c(NA, NA, NA, 0, NA), : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs, order = c(5, 0, 0), include.mean = FALSE, fixed = c(NA, NA,
## NA, 0, NA))
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5
## 0.5036 0.0789 0.1220 0 -0.1009
## s.e. 0.0370 0.0418 0.0385 0 0.0330
##
## sigma^2 estimated as 0.0003265: log likelihood = 1857.48, aic = -3704.96
修改后AIC值略有降低。
这样限制稀疏模型有可能破坏稳定性条件,所以用polyroot()
函数求特征根,
看是否都在单位圆外:
abs(polyroot(c(1, -coefficients(resm4))))
## [1] 1.420831 1.606426 1.606426 1.420831 1.901977
特征根都在单位圆外且距离单位圆较远,
说明线性时间序列模型是合适的。
如果进一步去掉滞后2系数:
resm5 <- arima(
dpgs, order=c(5,0,0), fixed=c(NA, 0, NA, 0, NA),
include.mean=FALSE); resm5
## Warning in arima(dpgs, order = c(5, 0, 0), fixed = c(NA, 0, NA, 0, NA), : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs, order = c(5, 0, 0), include.mean = FALSE, fixed = c(NA, 0, NA,
## 0, NA))
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5
## 0.5360 0 0.1513 0 -0.0930
## s.e. 0.0329 0 0.0354 0 0.0328
##
## sigma^2 estimated as 0.0003281: log likelihood = 1855.7, aic = -3703.4
AIC值比仅去掉滞后4的模型变大了。
所以应选择仅去掉滞后4的系数。
限制ϕ4=0的AR(5)模型为:
xt=0.5036xt−1+0.0789xt−2+0.1220xt−3−0.1009xt−5+εt, Var(εt)=0.0003265
称此模型为候选模型1(MC1)。
对此模型做诊断图:
图13.12: 候选模型1诊断
从诊断图看,标准化残差仍有较大的异常值。
ACF已经基本符合白噪声要求。
第三幅各个Ljung-Box白噪声检验均不显著,
其中横坐标是检验所用的自相关系数个数,
零假设为符合白噪声要求。
这些诊断支持了候选模型1。
13.3 ARMA(1,3)模型
考虑汽油价格序列对数增长率的其它线性时间序列模型。
注意到PACF中滞后1最显著,其它显著位置是刚刚超出0.05水平界限。
所以考虑用AR(1);
但是,因为ACF和PACF并不在低阶截尾,
所以单用AR或者单用MA可能不够,
尝试用ARMA。
先看AR(1)的表现:
resm6 <- arima(
dpgs, order=c(1,0,0),
include.mean=FALSE)
forecast::Acf(residuals(resm6), lag.max=10, main="")
图13.13: AR(1)的残差ACF
AR(1)的ACF在滞后3有一个显著非零。尝试ARMA(1,3):
resm7 <- arima(
dpgs, order=c(1,0,3),
include.mean=FALSE); resm7
##
## Call:
## arima(x = dpgs, order = c(1, 0, 3), include.mean = FALSE)
##
## Coefficients:
## ar1 ma1 ma2 ma3
## 0.5917 -0.0919 0.0413 0.1547
## s.e. 0.0750 0.0774 0.0489 0.0435
##
## sigma^2 estimated as 0.0003273: log likelihood = 1856.65, aic = -3703.29
从系数估计值与SE的比较可以看出MA的系数1、系数2都不显著。
先去掉MA系数2,
拟合稀疏系数模型:
resm8 <- arima(
dpgs, order=c(1,0,3), fixed=c(NA, NA, 0, NA),
include.mean=FALSE); resm8
##
## Call:
## arima(x = dpgs, order = c(1, 0, 3), include.mean = FALSE, fixed = c(NA, NA,
## 0, NA))
##
## Coefficients:
## ar1 ma1 ma2 ma3
## 0.6332 -0.1266 0 0.1411
## s.e. 0.0507 0.0595 0 0.0408
##
## sigma^2 estimated as 0.0003276: log likelihood = 1856.3, aic = -3704.6
这个模型的AIC比候选模型1略差一点。
MA系数1显著性在两可之间,
所以不继续精简。
模型为
xt=0.6332xt−1+εt−0.1266εt−1+0.1411εt−3, Var(εt)=0.0003276
称此模型为候选模型2(MC2)。
对候选模型2作诊断图:
标准化残差图仍有大异常值。
ACF已经符合白噪声表现;
Ljung-Box白噪声检验基本符合白噪声要求。
因为候选模型1和候选模型2是类似的模型,
候选模型1的AIC较优,
所以两者相比选择候选模型1。
13.4 固定线性趋势模型
考虑用非随机线性趋势对汽油价格对数值序列建模。
tmp.t <- seq(717)
resm9 <- lm(pgs ~ tmp.t)
summary(resm9)
##
## Call:
## lm(formula = pgs ~ tmp.t)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.53400 -0.12170 -0.00928 0.12268 0.44298
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.664e-03 1.276e-02 -0.522 0.602
## tmp.t 1.627e-03 3.079e-05 52.848 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1707 on 715 degrees of freedom
## Multiple R-squared: 0.7962, Adjusted R-squared: 0.7959
## F-statistic: 2793 on 1 and 715 DF, p-value: < 2.2e-16
回归结果显著。
考察残差序列:
plot(residuals(resm9), type="l", xlab="Time", ylab="Residual")
图13.14: 非随机线性趋势模型残差序列
序列呈现出一定的缓慢随机水平变化,
提示非平稳。
残差的ACF图:
acf(residuals(resm9), main="", lag.max=20)
图13.15: 非随机线性趋势模型残差的ACF
说明残差序列的ACF是缓慢衰减的,
不太适用线性时间序列加非随机线性趋势作为模型。
13.5 引入石油价格解释变量的模型
考虑用石油价格对数值作为解释变量,
对汽油价格对数值序列建模。
设{xt}为汽油价格对数增长率,
{zt}为原油价格对数增长率,
使用带有误差自相关的回归模型。
先做简单回归:
xt=a+bzt+εt
resm10 <- lm(dpgs ~ dpus)
summary(resm10)
##
## Call:
## lm(formula = dpgs ~ dpus)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.076840 -0.009456 -0.000279 0.008804 0.150721
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.0006472 0.0006876 0.941 0.347
## dpus 0.2865347 0.0150791 19.002 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.01839 on 714 degrees of freedom
## Multiple R-squared: 0.3359, Adjusted R-squared: 0.3349
## F-statistic: 361.1 on 1 and 714 DF, p-value: < 2.2e-16
可以看出截距项不显著。
尽管因为残差可能有自相关使得检验不一定精确,
因为两个序列都是差分序列,原始序列相关系数很大,
所以回归模型没有常数项是正常的。
将上述回归模型改为不带截距项的模型:
xt=bzt+εt
resm11 <- lm(dpgs ~ -1 + dpus)
summary(resm11)
##
## Call:
## lm(formula = dpgs ~ -1 + dpus)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.076149 -0.008834 0.000365 0.009441 0.151350
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## dpus 0.28703 0.01507 19.05 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.01839 on 715 degrees of freedom
## Multiple R-squared: 0.3366, Adjusted R-squared: 0.3357
## F-statistic: 362.8 on 1 and 715 DF, p-value: < 2.2e-16
查看回归残差的ACF:
forecast::Acf(resm11$residuals, main="")
图13.16: 回归模型的残差序列的ACF
查看回归残差的PACF:
pacf(resm11$residuals, main="")
图13.17: 回归模型的残差序列的PACF
回归残差的ACF和PACF都是快速衰减的,
但都不截尾。
从PACF看,
基本在第5阶之后截尾了。
用AIC对残差的AR模型定阶:
ar(resm11$residuals, method="mle")
##
## Call:
## ar(x = resm11$residuals, method = "mle")
##
## Coefficients:
## 1 2 3 4 5 6
## 0.3140 0.1575 0.0943 0.0346 -0.0568 -0.0625
##
## Order selected 6 sigma^2 estimated as 0.0002689
AIC选择6阶。试用arima()
函数估计AR(6):
resm12 <- arima(resm11$residuals, order=c(6,0,0))
resm12
##
## Call:
## arima(x = resm11$residuals, order = c(6, 0, 0))
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 intercept
## 0.3140 0.1576 0.0946 0.0353 -0.0582 -0.0631 0.0006
## s.e. 0.0372 0.0390 0.0394 0.0394 0.0390 0.0372 0.0012
##
## sigma^2 estimated as 0.0002689: log likelihood = 1927.08, aic = -3838.16
从估计结果看,均值(intercept)不显著,
滞后6系数不够显著,
滞后4系数不显著。
先拟合一个不带常数项的AR(5):
resm13 <- arima(resm11$residuals, order=c(5,0,0), include.mean=FALSE)
resm13
##
## Call:
## arima(x = resm11$residuals, order = c(5, 0, 0), include.mean = FALSE)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5
## 0.3193 0.1563 0.0891 0.0256 -0.0781
## s.e. 0.0372 0.0391 0.0394 0.0391 0.0372
##
## sigma^2 estimated as 0.0002701: log likelihood = 1925.51, aic = -3839.02
这个精简的模型的AIC实际上改善了。因为滞后4系数不显著,做一个稀疏系数AR(5):
resm14 <- arima(resm11$residuals, order=c(5,0,0),
fixed=c(NA, NA, NA, 0, NA), include.mean=FALSE)
## Warning in arima(resm11$residuals, order = c(5, 0, 0), fixed = c(NA, NA, : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = resm11$residuals, order = c(5, 0, 0), include.mean = FALSE, fixed = c(NA,
## NA, NA, 0, NA))
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5
## 0.3211 0.1592 0.0954 0 -0.0707
## s.e. 0.0371 0.0388 0.0382 0 0.0354
##
## sigma^2 estimated as 0.0002702: log likelihood = 1925.29, aic = -3840.59
AIC继续有改善。
将外生回归变量加入模型中,直接建立带有自相关误差项的回归模型:
resm15 <- arima(
dpgs, xreg=dpus, order=c(5,0,0), include.mean=FALSE,
fixed=c(NA, NA, NA, 0, NA, NA))
## Warning in arima(dpgs, xreg = dpus, order = c(5, 0, 0), include.mean = FALSE, :
## some AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs, order = c(5, 0, 0), xreg = dpus, include.mean = FALSE, fixed = c(NA,
## NA, NA, 0, NA, NA))
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 dpus
## 0.4037 0.1642 0.0961 0 -0.1014 0.1911
## s.e. 0.0386 0.0399 0.0386 0 0.0345 0.0136
##
## sigma^2 estimated as 0.0002532: log likelihood = 1948.48, aic = -3884.95
这样建立的模型可以写成:
xt=ξt=0.1911zt+ξt,0.4037ξt−1+0.1642ξt−2+0.0961ξt−3−0.1014ξt−5+εt, Var(εt)=0.0002532
称此模型为候选模型3(MC3)。
模型的诊断图形:
图13.18: 候选模型3的诊断图形
从诊断图看,除了标准化残差还有大异常值以外,
残差的白噪声性质已经基本确认。
说明候选模型3是合适的。
将候选模型1与候选模型3进行比较。
这两个模型的比较是不公平的,
因为候选模型3利用了额外的原油价格信息。
候选模型1的残差方差估计是0.0003281,
AIC值是−3703.4;
候选模型3的残差方差估计是0.0002532,
AIC值是−3884.95。
模型3的模型方差估计降低了23%,
AIC也有明显改善。
后面可以看到模型3的预测效果也更好。
13.6 使用滞后石油价格解释变量的模型
数据中原油价格比汽油价格发布时间早3天,
这样,
利用回归模型预报时,
仅能超前1到3天预报,
超前4天时就没有对应的石油价格作为解释变量了。
考虑使用石油价格的前一个发布值作为解释变量,
这样石油价格比汽油价格提前10天。
简单回归模型:
xt=bzt−1+εt
dpus1 <- dpus[-length(dpus)]
dpgs1 <- dpgs[-1]
resm16 <- lm(dpgs1 ~ -1 + dpus1)
summary(resm16)
##
## Call:
## lm(formula = dpgs1 ~ -1 + dpus1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.088318 -0.011145 -0.000011 0.011391 0.161679
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## dpus1 0.18560 0.01716 10.81 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.02093 on 714 degrees of freedom
## Multiple R-squared: 0.1408, Adjusted R-squared: 0.1395
## F-statistic: 117 on 1 and 714 DF, p-value: < 2.2e-16
注意这个回归R2=0.14比间隔3天的回归的R2=0.33小了许多,
预示着这个模型的预测效果远不如候选模型3。
对回归残差作ACF图:
forecast::Acf(resm16$residuals, main="")
图13.19: 滞后回归的残差ACF
对回归残差作PACF图:
pacf(resm16$residuals, main="")
图13.20: 滞后回归的残差PACF
从残差的ACF和PACF看,
虽然都是快速衰减的,
但都不在低阶截尾。
用AIC为残差序列作AR定阶:
ar(resm16$residuals, method="mle")
##
## Call:
## ar(x = resm16$residuals, method = "mle")
##
## Coefficients:
## 1 2 3 4 5 6 7 8
## 0.2851 0.0805 0.2343 -0.0411 -0.0169 -0.0284 -0.0652 0.0577
## 9
## -0.1101
##
## Order selected 9 sigma^2 estimated as 0.0003479
选择9阶。用arima()
估计:
resm17 <- arima(
dpgs1, xreg=dpus1, include.mean=FALSE,
order=c(9,0,0))
resm17
##
## Call:
## arima(x = dpgs1, order = c(9, 0, 0), xreg = dpus1, include.mean = FALSE)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 ar7 ar8
## 0.4559 0.0888 0.1679 -0.0468 -0.0653 -0.0195 -0.0362 0.0797
## s.e. 0.0425 0.0410 0.0423 0.0415 0.0416 0.0414 0.0410 0.0408
## ar9 dpus1
## -0.0882 0.0454
## s.e. 0.0373 0.0174
##
## sigma^2 estimated as 0.0003204: log likelihood = 1861.55, aic = -3701.1
查看各个系数的显著性,
用估计值除以标准误差得到检验统计量,
在等于零的零假设下近似服从标准正态分布:
arima.tstat <- function(mod) coef(mod)[coef(mod) != 0] / sqrt(diag(mod$var.coef))
round(sort(abs(arima.tstat(resm17))), 2)
## ar6 ar7 ar4 ar5 ar8 ar2 ar9 dpus1 ar3 ar1
## 0.47 0.88 1.13 1.57 1.95 2.16 2.36 2.61 3.97 10.73
滞6, 7, 4, 5, 8的系数不显著。逐步进行改进,先去掉ϕ6:
fixed <- rep(NA_real_, 10)
fixed[6] <- 0
resm18 <- arima(
dpgs1, xreg=dpus1, include.mean=FALSE,
order=c(9,0,0), fixed=fixed)
## Warning in arima(dpgs1, xreg = dpus1, include.mean = FALSE, order = c(9, : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs1, order = c(9, 0, 0), xreg = dpus1, include.mean = FALSE, fixed = fixed)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 ar7 ar8 ar9
## 0.4574 0.0889 0.1646 -0.0473 -0.0718 0 -0.0423 0.0794 -0.0908
## s.e. 0.0424 0.0410 0.0417 0.0415 0.0393 0 0.0389 0.0408 0.0369
## dpus1
## 0.0451
## s.e. 0.0174
##
## sigma^2 estimated as 0.0003205: log likelihood = 1861.44, aic = -3702.88
round(sort(abs(arima.tstat(resm18))), 2)
## ar7 ar4 ar5 ar8 ar2 ar9 dpus1 ar3 ar1
## 1.09 1.14 1.83 1.95 2.17 2.46 2.60 3.95 10.78
AIC有改进。再去掉ϕ7:
fixed <- rep(NA_real_, 10)
fixed[c(6,7)] <- 0
resm19 <- arima(
dpgs1, xreg=dpus1, include.mean=FALSE,
order=c(9,0,0), fixed=fixed)
## Warning in arima(dpgs1, xreg = dpus1, include.mean = FALSE, order = c(9, : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs1, order = c(9, 0, 0), xreg = dpus1, include.mean = FALSE, fixed = fixed)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 ar7 ar8 ar9 dpus1
## 0.4618 0.0903 0.1617 -0.055 -0.078 0 0 0.0634 -0.0961 0.0431
## s.e. 0.0422 0.0411 0.0417 0.041 0.039 0 0 0.0381 0.0367 0.0172
##
## sigma^2 estimated as 0.0003211: log likelihood = 1860.85, aic = -3703.7
round(sort(abs(arima.tstat(resm19))), 2)
## ar4 ar8 ar5 ar2 dpus1 ar9 ar3 ar1
## 1.34 1.66 2.00 2.20 2.50 2.62 3.87 10.94
AIC有改进。再去掉ϕ4:
fixed <- rep(NA_real_, 10)
fixed[c(6,7,4)] <- 0
resm20 <- arima(
dpgs1, xreg=dpus1, include.mean=FALSE,
order=c(9,0,0), fixed=fixed)
## Warning in arima(dpgs1, xreg = dpus1, include.mean = FALSE, order = c(9, : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs1, order = c(9, 0, 0), xreg = dpus1, include.mean = FALSE, fixed = fixed)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 ar7 ar8 ar9 dpus1
## 0.4580 0.0894 0.1414 0 -0.0989 0 0 0.0604 -0.0938 0.0403
## s.e. 0.0425 0.0412 0.0392 0 0.0358 0 0 0.0381 0.0367 0.0173
##
## sigma^2 estimated as 0.0003219: log likelihood = 1859.96, aic = -3703.91
round(sort(abs(arima.tstat(resm20))), 2)
## ar8 ar2 dpus1 ar9 ar5 ar3 ar1
## 1.59 2.17 2.33 2.55 2.76 3.60 10.78
AIC有改进。再去掉ϕ8:
fixed <- rep(NA_real_, 10)
fixed[c(6,7,4,8)] <- 0
resm21 <- arima(
dpgs1, xreg=dpus1, include.mean=FALSE,
order=c(9,0,0), fixed=fixed)
## Warning in arima(dpgs1, xreg = dpus1, include.mean = FALSE, order = c(9, : some
## AR parameters were fixed: setting transform.pars = FALSE
##
## Call:
## arima(x = dpgs1, order = c(9, 0, 0), xreg = dpus1, include.mean = FALSE, fixed = fixed)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ar5 ar6 ar7 ar8 ar9 dpus1
## 0.4544 0.0877 0.1415 0 -0.0830 0 0 0 -0.0640 0.0406
## s.e. 0.0427 0.0413 0.0393 0 0.0345 0 0 0 0.0318 0.0176
##
## sigma^2 estimated as 0.000323: log likelihood = 1858.7, aic = -3703.4
round(sort(abs(arima.tstat(resm21))), 2)
## ar9 ar2 dpus1 ar5 ar3 ar1
## 2.01 2.13 2.31 2.41 3.60 10.63
AIC变差,所以退回到上一个模型,以AR(9)去掉滞后4、6、7系数的模型为候选模型4(MC4)。
注意,这个模型肯定不如模型3,
因为作为自变量的原油价格比汽油价格的发布时间早了10天。
13.7 样本外预测
下面比较MC1、MC3、MC4的样本外预测,
对最后的400个样本点作超前一步预测。
将这三个模型分别记为M1、M2、M3。
M1:M2:M3:xt=ϕ1xt−1+ϕ2xt−2+ϕ3xt−3+ϕ5xt−5+εtxt=bzt+ξt, ξt=ϕ1ξt−1+ϕ2ξt−2+ϕ3ξt−3+ϕ5ξt−5+εtxt=bzt−1+ξt, ξt=ϕ1ξt−1+ϕ2ξt−2+ϕ3ξt−3+ϕ5ξt−5+ϕ8ξt−8+ϕ9ξt−9+εt
为了统一起见,所有序列都放弃第一个观测。这样,
每个序列有715个观测,
对最后的400个做超前一步预测,
最初仅使用315个观测建模。
dpuslag1 <- dpus[-length(dpus)]
dpus1 <- dpus[-1]
dpgs1 <- dpgs[-1]
nmin <- 316
nmax <- length(dpgs1)
fcst <- matrix(NA_real_, nmax, 3)
fixed <- rep(NA_real_, 10)
fixed[c(4,6,7)] <- 0
for(t1 in nmin:nmax){
# t1是要预测的时间点
n <- t1-1 # 用来建模的序列长度
# 利用1到n的样本建立三个模型
m1 <- arima(dpgs1[1:n], order=c(5,0,0), include.mean=FALSE,
fixed=c(NA, NA, NA, 0, NA), transform.pars=FALSE)
m2 <- arima(dpgs1[1:n], xreg=dpus1[1:n],
order=c(5,0,0), include.mean=FALSE,
fixed=c(NA, NA, NA, 0, NA, NA), transform.pars=FALSE)
m3 <- arima(dpgs1[1:n], xreg=dpuslag1[1:n],
order=c(9,0,0), include.mean=FALSE,
fixed=fixed, transform.pars=FALSE)
# 分别获得超前一步预报
fcst[t1,1] <- c(predict(m1, n.ahead=1, newxreg=NULL, se.fit=FALSE))
fcst[t1,2] <- c(predict(m2, n.ahead=1, newxreg=dpus1[t1], se.fit=FALSE))
fcst[t1,3] <- c(predict(m3, n.ahead=1, newxreg=dpuslag1[t1], se.fit=FALSE))
}
# 计算RMSFE和MAFE
rmsfe <- rep(0.0, 3)
mafe <- rep(0.0, 3)
for(j in 1:3){
rmsfe[j] <- sqrt( mean((fcst[nmin:nmax, j] - dpgs1[nmin:nmax])^2) )
mafe[j] <- mean(abs(fcst[nmin:nmax, j] - dpgs1[nmin:nmax]))
}
rmsfe
## [1] 0.02171326 0.01925884 0.02169466
## [1] 0.01537896 0.01285303 0.01554937
结果的超前一步预测根均方误差和平均绝对预测误差列表如下:
tab1 <- data.frame(
"模型"=c("M1", "M2", "M3"),
RMSFE = round(rmsfe, 5), MAFE=round(mafe, 5))
knitr::kable(tab1)
模型 | RMSFE | MAFE |
---|---|---|
M1 | 0.02171 | 0.01538 |
M2 | 0.01926 | 0.01285 |
M3 | 0.02169 | 0.01555 |
看一看同期的汽油价格对数增长率的绝对值的分布:
summary(abs(dpgs1[nmin:nmax]))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000000 0.006915 0.014015 0.018875 0.025504 0.162002
有一半的对数增长率在0.014以下,
但是最好的M2模型的预报的平均绝对误差也达到0.013。
这提示模型预报效果不够理想。
三个模型比较,利用提前3天的石油价格的模型M2预测效果最好,
不利用石油价格的M1和利用10天前石油价格的M3效果相近,
说明利用10天前的石油价格作用不大。
M1模型的预报图,黑色为真实值,
红色为预报值:
xts.p1 <- xts(cbind(dpgs1[nmin:nmax], fcst[nmin:nmax,1]),
index(xts.pgs)[-(1:2)][nmin:nmax])
plot(xts.p1, type="l",
main="One-step ahead forecaste with M1",
major.ticks="years", minor.ticks=NULL,
col=c("black", "red"))
图13.21: 汽油价格对数增长率用M1模型做一步预测
M2模型的预报图,黑色为真实值,
红色为预报值:
xts.p2 <- xts(cbind(dpgs1[nmin:nmax], fcst[nmin:nmax,2]),
index(xts.pgs)[-(1:2)][nmin:nmax])
plot(xts.p2, type="l",
main="One-step ahead forecaste with M2",
major.ticks="years", minor.ticks=NULL,
col=c("black", "red"))
图13.22: 汽油价格对数增长率用M2模型做一步预测
如果从图形看,
可以看出超前一步预测还是有一定效果的。
韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/74189.html