求教如何使用R语言应用GAM进行应用时间序列分析论文

来源：蜘蛛抓取(WebSpider) 时间：2018-08-20 17:10 标签： 时间序列分析实验报告
如何用R 语言 建立 股票价格的时间序列_百度知道
如何用R 语言 建立 股票价格的时间序列
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
采纳数：84
获赞数：219
在下想用R语言对股票价格进行时间序列分析。 问题出在第一步，如何将股票价格转换为时间序列。我想用的语句是 pri &- ts (data, start=(), frequency= )但是我不知道frequency 项该如何填？因为股票的交易日是一周五天的。 那么这个frequency 该如何设置呢？我知道通常frequency= 12 为月度数据，frequency= 4 为季度数据，frequency= 1 为年度数据 但日数据怎么写我就不知道了 初学R语言，还望各位大侠多多帮助。
xiaoxiang精神
xiaoxiang精神
擅长：暂未定制
可以用xts这个函数
1条折叠回答
为你推荐：
其他类似问题
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。应用时间序列r语言怎么排列数据_百度知道
应用时间序列r语言怎么排列数据
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
来自电脑网络类芝麻团
采纳数：135
获赞数：24
擅长：暂未定制
参与团队：
长度:长度格式符为l和h，l表示输入长整型数据(如%ld) 和双精度浮点数(如%lf)。h表示输入短整型数据。 使用scanf函数还必须注意以下几点： 1) scanf函数中没有精度控制，如：scanf(&%5.2f&,&a);是非法的。不能企图用此语句输入小数为2位的实数。
为你推荐：
其他类似问题
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。苹果/安卓/wp
积分 150, 距离下一级还需 110 积分
权限: 自定义头衔
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡下一级可获得
权限: 签名中使用图片道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 56 天连续签到: 1 天[LV.5]常住居民I
(326.96 KB, 售价: 5 个论坛币)
10:13:06 上传
来点儿干货，R语言做时间序列预测，简单学会时间序列，边学边成长吧，分享给大家
售价: 5 个论坛币
& & 好东西要分享，呵呵，R语言做时间序列，轻松上手
总评分:&经验 + 60&
论坛币 + 40&
学术水平 + 2&
热心指数 + 2&
信用等级 + 2&
本帖被以下文库推荐
& |主题: 616, 订阅: 191
gongying99 发表于
好东西要分享，呵呵，R语言做时间序列，轻松上手谢谢分享
你好 能发我一份吗， & &谢谢&&
gongying99 发表于
好东西要分享，呵呵，R语言做时间序列，轻松上手
谢谢楼主！
你好，想下载你共享的R语言做时间序列预测，可惜没有论坛币，能给我邮箱发一份吗？谢谢了，
没有论币 博主能不能给我发我分享一份？
谢谢了博主
谢谢分享！！！！！！！！！
gongying99 发表于
额。。。我好久没上线，你现在还需要吗？没有论币 博主能不能给我发我分享一份？
还不错，值得学习参考
您需要登录后才可以回帖
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师用R语言做数据分析——时间序列的分解和预测用R语言做数据分析——时间序列的分解和预测小金融圈百家号建立时间序列数据建立时间序列，必须有日期作为数据框的一列。R语言建立时间序列的函数是ts()，它的格式如下：ts(gm,frequency=12,start=c(year,month))其中，gm表示时间列数据；frequency表示时间单位，它的值常用的有12、4、365，它们分别表示每一个时间单位中有12个月、4个季度、365日观察值，start表示时间序列的开始时间。例如，我们构造一个含有30个值的时间序列（1~30），开始时间为2011年3月，以每个月作为观察值。代码如下：& a &- ts(1:30, frequency = 12, start = c(2011,3))& print(a)Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 3 4 5 6 7 8 9 10 13 14 15 16 17 18 19 20 21 22 25 26 27 28 29 30& str(a)Time-Series [1:30] from 2011 to
3 4 5 6 7 8 9 10 ...& attributes(a)$tsp[1] 3.583 12.000$class[1] "ts"时间序列分解时间序列分解就是将时间序列分解为趋势、季节性、周期性以及不规则这几个成分。趋势成分指长时间间隔的大致运动方向，季节性成分指季节性的变化，周期性成分指重复但非周期的波动，最后是不规则成分。下面是在时间序列数据AirPassengers上演示时间序列的分解，该数据是由国外某机场1949年到1960年每月乘客总数的数据构成，共有144（=12*12）条数据，时间序列图如下：& plot(AirPassengers)下面使用decompose()函数将数据集分解成不同惩罚呢，分解代码如下：& apts &- ts(AirPassengers, frequency = 12)& f &- decompose(apts)&#季节性分解& print(f$figure)[1] -24......402778[7] 63......619949& plot(f$figure, type = "b", xaxt="n", xlab = "")& monthNames &- months(ISOdate(,1))& axis(1,at=1:12, labels = monthNames, las=2)& plot(f)上图中，第一个图表为原始时间序列数据，第二个图表为数据的趋势，第三个图表为季节性因素，最后一个图表为剔除了趋势和季节性因素之后的其他成分。时间序列预测时间序列预测是根据历史数据来预测未来事件。一个时间序列预测的例子是基于股票过去的形式来预测其开盘价。两个常用的时间序列预测模型为自回归移动平均模型（ARMA）和自回归综合移动平均模型（ARIMA）。下面使用ARMA拟合单变量时间序列，并使用拟合模型进行预测，代码如下：& fit &- arima(AirPassengers, order = c(1,0,0), list(order=c(2,1,0), period=12))& fore &- predict(fit, n.ahead = 24)& U &- fore$pred + 2*fore$se& L &- fore$pred - 2*fore$se& ts.plot(AirPassengers, fore$pred, U, L, col=c(1,2,4,4), lty=c(1,1,2,2))& legend("topleft",c("Actual","Forecast", "Error Bounds(95% Confidence)"), col=c(1,2,4), lty=c(1,1,2))图中，实线表示预测值，虚线表示在置信度水平95%下的误差边界。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。小金融圈百家号最近更新：简介:金融服务让生活更美好。作者最新文章相关文章

我要回帖

更多关于 时间序列分析实验报告 的文章

 

随机推荐