精通R语言

第1章　时间序列分析

在本章中，我们探讨一些时间序列分析的高级方法以及如何通过R来实现。作为一门学科，时间序列分析已有数百部著作，内容非常广泛（我们会在本章末的阅读列表中，列出在理论与R编程两方面最重要的参考目录）。我们责无旁贷地精心界定了本章的范围，专注于实证金融与量化交易中必不可少的重要主题。但是，在起始阶段我们必须强调，本章仅仅为时间序列分析的进一步研究奠定了基础。

我们之前曾经出版过一本图书——《量化金融R语言初级教程》（Introduction to R for Quantitative Finance）。那本书探讨了时间序列分析的一些基本主题，如线性单变量时间序列建模、自回归单整移动平均（Autoregressive Integrated Moving Average，ARIMA）建模、广义自回归条件异方差（Generalized Autoregressive Conditional Heteroskedasticity，GARCH）波动建模。如果你未曾用R做过时间序列分析，可以考虑同时阅读那本书的第1章“时间序列分析”。

本书对所有这些主题探讨得都更加深入。你将会熟悉一些重要概念，如协整、向量自回归模型、脉冲响应函数、非对称GARCH波动率建模（包括指数GARCH模型和门限GARCH模型）、信息冲击曲线。我们首先介绍相关理论，然后讲解多变量时间序列模型实际建模的知识，同时介绍几个有用的R包及其功能。此外，我们通过简单明了的例子，一步一步地指导读者使用R编程语言进行实证分析。

1.1　多元时间序列分析

金融资产价格的运动、技术分析和量化交易的基本问题常常被纳入单变量框架下进行建模。我们能否预测证券价格未来是上升还是下降？这只特定的证券处于向上还是向下的趋势中？我们该买还是该卖？这些问题都需要慎重考虑。此外，投资者常常面对着更复杂的局面，不能仅仅把市场看成不相关的工具与决策问题组成的集合。 ...