R语言计量金融初学指南

第1章　时间序列分析

时间序列分析研究的是按时间顺序收集的数据。相邻的观测数据通常相互依赖。因此，时间序列分析的技术需要处理这种相依性。

本章的目标是通过一些特定应用来介绍一些常用建模技术。我们将看到如何使用R来解决现实中的这些问题。首先，我们考虑如何在R中存储和处理时间序列。接着，我们处理线性时间序列分析，并展现如何将它用于建模和预测房屋价格。其次，我们通过考虑长期趋势，使用协整的概念来改进基本的最小方差对冲比。最后，本章讲述如何将波动率模型运用于风险管理。

1.1　使用时间序列数据

用于存储时间序列数据的基本R类有vector、matrix、data.frame以及ts对象。但是，它们可以存储在这些对象中的数据类型相当有限。并且，这些表达方式提供的方法范围也很有限。不过幸运的是，同名的包中的特定对象，zoo、xts或timeSeries对象，对时间序列数据提供了更一般的表达形式。

对每个时间序列分析问题都创建时间序列对象是不必要的，但是复杂程度较高的分析则需要创建时间序列对象。你可以先将时间序列数据存储成向量形式，再计算数据的均值和方差，但如果你想用decompose对数据做季节分解，那就必须将数据存储在时间序列对象中。

下面的例子假定你使用了zoo对象，因为zoo对象是使用最广泛的包之一。在使用zoo对象之前，需要使用下面的命令安装并载入zoo包（如果你已经安装，那只需要载入它）。

>install.packages("zoo")
>library("zoo")

为了熟悉可用方法，我们使用存储在CSV文件aapl.csv中的苹果公司股票的日收盘价，创建了一个名为appl的zoo对象。表格的每一行包括一个日期和一个价格，两项通过逗号分隔。第一行包含了列名（Date和Close）。日期格式符合ISO8601推荐的基本标准符号（YYYY-MM-DD）。收盘价根据股票的拆分、股利以及相关改变进行调整。 ...