![](/img/trans.png)
[英]How to convert data frame rows iteratively into time series object and apply auto.arima to each row
[英]Convert data frame to time series suitable for auto.arima
我有以下数据框:
read.csv(file="CNY % returns.csv",head=TRUE,sep=",")
DATE LOG...RETURNS
1 03/09/13 -6.9106715
2 04/09/13 -6.9106715
3 05/09/13 -4.5839582
4 06/09/13 1.7554592
5 07/09/13 -0.8808549
6 08/09/13 4.1842420
DATE: obviosuly date; format dd/mm/yyyy.
LOG RETURNS: compounded returns from a bitcoin CNY exchange.
我希望将auto.arima
函数用作选择合适模型的起点。
我已经尝试过:
cnyX <- read.zoo(text=" DATE LOG...RETURNS
1 03/09/13 -6.9106715
2 04/09/13 -6.9106715
3 05/09/13 -4.5839582
4 06/09/13 1.7554592
5 07/09/13 -0.8808549
6 08/09/13 4.1842420")
index(cnyX) <- as.Date(as.character(index(cnyX)),format="%D%m%y")
这将产生:
<NA> <NA> <NA> <NA> <NA> <NA>
0.2144527 -9.2553228 -0.8519708 -4.2074340 14.0817672 1.2212485 ....
我意识到as.character
分隔符不正确,但不确定应如何解决或更正。 我已经阅读了有关创建XTS和TS对象的信息,但也无法使它们起作用。 我还提到过: 将带有日期列的数据框转换为时间序列,但是发现这不合适。
我应该如何将数据帧转换为适用于auto.arima
格式? 我可能存在重复的值。
问题源于传递给as.Date
format
参数不正确。 实际上,如果您尝试将character
从character
转换为Date
并获得所有NA
的向量,则几乎可以肯定没有正确指定format
。
这是一个可比较的数据集:
Df <- data.frame(
Date = format(Sys.Date() - (729:0), "%d/%m/%y"),
LogReturns = log(rgamma(730, .25)),
stringsAsFactors = FALSE
)
使用正确的format
,
ln_ret <- zoo::zoo(Df[,2], as.Date(Df[,1], format = "%d/%m/%y"))
ln_ret[1:4]
#2014-01-05 2014-01-06 2014-01-07 2014-01-08
# -2.268443 -3.562711 -4.546391 -0.707788
这将与auto.arima
一起auto.arima
:
forecast::auto.arima(ln_ret)
#Series: ln_ret
#ARIMA(0,0,0) with non-zero mean
#
#Coefficients:
# intercept
# -4.0742
#s.e. 0.1454
#
#sigma^2 estimated as 15.43: log likelihood=-2034.46
#AIC=4072.93 AICc=4072.94 BIC=4082.11
如果您只想将ARIMA模型适合对数返回数据,则无需担心正确的日期格式。 也就是说,您知道ts的开始和结束时间,并且如果最终需要这些日期,则跟踪任何预测的日期很简单。
这也将起作用。
tt <- read.csv(file="CNY % returns.csv",head=TRUE,sep=",")
# assuming default options for orders p, d, q, etc
forecast::auto.arima(x=tt[,2])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.