[英]Quantile Regression with Time-Series Models (ARIMA-ARCH) in R
我正在使用時間序列數據進行分位數預測。 我正在使用的模型是ARIMA(1,1,2)-ARCH(2),我正在嘗試獲取數據的分位數回歸估計。
到目前為止,我已經找到了“ quantreg”軟件包來執行分位數回歸,但是我不知道如何將ARIMA-ARCH模型作為函數rq中的模型公式。 rq函數似乎適用於具有因變量和自變量的回歸,但不適用於時間序列。
還有其他一些程序包可以放置時間序列模型並在R中進行分位數回歸嗎? 歡迎任何建議。 謝謝。
您好,歡迎來到StackOverflow。 請花一些時間閱讀幫助頁面,尤其是“我在這里可以詢問哪些主題?”部分。 和“我應該避免問哪些類型的問題?” 。 而且更重要的是,請閱讀Stack Overflow問題清單 。 您可能還想了解最小,完整和可驗證的示例 。
盡管您不提供任何代碼/數據,這很難,但我可以嘗試解決您的問題。 另外,我想通過“放入ARIMA-ARCH模型”,您實際上意味着要使用ARIMA(1,1,2) 和 ARCH(2)過濾器使固定序列平穩。
有關R時序功能的概述,請參考CRAN任務列表 。 您可以使用適當的功能在R中輕松應用這些過濾器。 例如,您可以使用預報數據包中的Arima()
函數,然后從stats
包中使用residuals()
計算殘差。 接下來,您可以將此過濾后的系列用作tseries
軟件包中tseries
garch()
函數的tseries
。 其他可能性當然是可能的。 最后,您可以在此過濾后的序列上應用分位數回歸。 例如,您可以從quantreg包中dynrq()
函數,該函數允許在data
參數中使用時間序列對象。
我只是在Data Science論壇上回答了。
基本上可以說,大多數現成的包裝都使用所謂的精確測試,即基於對分布的假設(獨立的相同正態或高斯分布,或更寬泛的分布)。
您還擁有一系列重采樣方法,在這些方法中,您可以模擬觀察到的樣本具有相似分布的樣本,執行ARIMA(1,1,2)-ARCH(2)並重復多次該過程。 然后,您分析大量的預測並測量(而不是計算)您的置信區間。
重采樣方法在生成模擬樣本的方式上有所不同。 最常用的是:
這是一個(不容易的)定理,與大多數常用的統計估計量一樣,置信區間的期望在模擬樣本上與在原始樣本上相同。 區別在於您可以通過大量仿真來測量它們。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.