15 KiB

Raw Blame History

数学函数 - 时间序列分析

文档类型：函数事实页是否可直接用于生成代码：是；本页函数条目均包含参数表遇到不确定时：回到 ../math.md、../../index.md

本页收录时间序列差分、自相关、偏自相关、随机性检验、AR/MA/ARMA、ARCH/GARCH、单位根、协整、ECM 和 Granger 因果检验函数。

服务器时间序列函数

`time_Diff(values, order)`

用途：计算序列、数组或矩阵的指定阶差分。

参数个数：2 返回值：数值数组/数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组/数值矩阵	原始序列或矩阵
2	`order`	是	整数	差分阶数

`time_AutoCov(values, lag)`

用途：计算时间序列在指定滞后阶数下的自协方差。

参数个数：2 返回值：实数

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`lag`	是	整数	滞后阶数

`time_ACF(values)`

用途：计算时间序列自相关系数。

参数个数：1 返回值：数值数组

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列

`time_PACF(values)`

用途：计算时间序列偏自相关系数。

参数个数：1 返回值：数值数组

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列

`time_RandomTest(values, lag_count, alpha)`

用途：执行时间序列纯随机性检验。

参数个数：3 返回值：数组表；包含 Qm-Stat、P-Value、Hypothesis

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`lag_count`	是	整数	检验滞后阶数
3	`alpha`	是	数值	显著性水平

`ar(values, order, method)`

用途：拟合 AR 模型。

参数个数：3 返回值：数组表；包含 AR、T-test、e

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`order`	是	整数	AR 阶数
3	`method`	是	字符串	拟合方法；常用 `"ls"`

`arma(values, ar_order, ma_order)`

用途：拟合 ARMA 模型。

参数个数：3 返回值：数组表；数据不满足建模条件时可能返回诊断文本

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`ar_order`	是	整数	AR 阶数
3	`ma_order`	是	整数	MA 阶数

`time_ARp(values, order, mode)`

用途：估计 AR 模型参数。

参数个数：3 返回值：数组表；包含 AR-Coefficient、Variance

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`order`	是	整数	AR 阶数
3	`mode`	是	整数	估计模式参数

`time_MAq(values, order, mode)`

用途：估计 MA 模型参数。

参数个数：3 返回值：数组表；包含 MA-Coefficient、Variance

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`order`	是	整数	MA 阶数
3	`mode`	是	整数	估计模式参数

`time_ARMA(values, ar_order, ma_order, mode)`

用途：估计 ARMA 模型参数。

参数个数：4 返回值：数组表；包含 Constant、AR-Coefficient、MA-Coefficient、Variance

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`ar_order`	是	整数	AR 阶数
3	`ma_order`	是	整数	MA 阶数
4	`mode`	是	整数	估计模式参数

`time_GreenFun(ar_coefficients, ma_coefficients)`

用途：根据 AR、MA 系数计算 Green 函数序列。

参数个数：2 返回值：数值数组

参数位置	参数名	必填	接收类型	说明
1	`ar_coefficients`	是	数值数组	AR 系数数组
2	`ma_coefficients`	是	数值数组	MA 系数数组

`time_InvFun(left_values, right_values)`

用途：根据两个输入序列计算逆函数序列。

参数个数：2 返回值：数值数组

参数位置	参数名	必填	接收类型	说明
1	`left_values`	是	数值数组	左侧序列
2	`right_values`	是	数值数组	右侧序列

`time_ChoseP(values, model_name, criterion)`

用途：按准则选择 AR、MA 或 ARMA 模型阶数。

参数个数：3 返回值：整数

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`model_name`	是	字符串	模型名；可用 `"AR"`、`"MA"`、`"ARMA"`
3	`criterion`	是	字符串	信息准则；常用 `"AIC"`、`"SBIC"`

`times_Granger(y_values, x_values, lag_order, alpha)`

用途：检验 x_values 是否为 y_values 的 Granger 原因。

参数个数：4 返回值：数组表；包含 F-Stat、P-Value、Hypothesis

参数位置	参数名	必填	接收类型	说明
1	`y_values`	是	数值数组	被解释序列
2	`x_values`	是	数值数组	候选原因序列
3	`lag_order`	是	整数	滞后阶数
4	`alpha`	是	数值	显著性水平

`time_DanielTest(values, alpha)`

用途：执行 Daniel 平稳性检验。

参数个数：2 返回值：数组表；包含 Q-Value、T-Stat、P-Value、Hypothesis

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`alpha`	是	数值	显著性水平

`times_ADFTest(values, diff_order, model_style, criterion, lag_order, alpha)`

用途：执行 ADF 单位根检验。

参数个数：6 返回值：数组表；包含 ADF-Stat 和显著性水平临界值

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`diff_order`	是	整数	差分阶数
3	`model_style`	是	整数	检验模型类型
4	`criterion`	是	字符串	信息准则；常用 `"AIC"`、`"SBIC"`
5	`lag_order`	是	整数	滞后阶数
6	`alpha`	是	数值	显著性水平

`times_Cointergration_test(y_values, x_values, diff_order, alpha, lag_order, criterion)`

用途：执行两个序列的协整检验。

参数个数：6 返回值：数组表；包含 Diff_y、Diff_x、E_Stat，并可提供 ECM 所需残差项

参数位置	参数名	必填	接收类型	说明
1	`y_values`	是	数值数组	第一条时间序列
2	`x_values`	是	数值数组	第二条时间序列
3	`diff_order`	是	整数	差分阶数
4	`alpha`	是	数值	显著性水平
5	`lag_order`	是	整数	滞后阶数
6	`criterion`	是	字符串	信息准则；常用 `"AIC"`、`"SBIC"`

`times_Cointergration(y_values, x_values, alpha)`

用途：判断两个序列是否存在协整关系。

参数个数：3 返回值：字符串

参数位置	参数名	必填	接收类型	说明
1	`y_values`	是	数值数组	第一条时间序列
2	`x_values`	是	数值数组	第二条时间序列
3	`alpha`	是	数值	显著性水平

`times_ECM(y_values, x_values, residuals, alpha, p_order, q_order)`

用途：建立误差修正模型。

参数个数：6 返回值：数组表；包含 Coefficient、ECM、regression

参数位置	参数名	必填	接收类型	说明
1	`y_values`	是	数值数组	第一条时间序列
2	`x_values`	是	数值数组	第二条时间序列
3	`residuals`	是	数值数组	协整检验残差项
4	`alpha`	是	数值	显著性水平
5	`p_order`	是	整数	`y_values` 滞后阶数
6	`q_order`	是	整数	`x_values` 滞后阶数

`time_ARCHTest(values, lag_order, alpha)`

用途：执行 ARCH 效应检验。

参数个数：3 返回值：数组表；包含 F 和 TR2 检验结果

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	残差或收益率序列
2	`lag_order`	是	整数	滞后阶数
3	`alpha`	是	数值	显著性水平

`time_ARCH(values, q_order, forecast_count)`

用途：建立 ARCH 模型并输出均值、方差和预测结果。

参数个数：3 返回值：数组表；包含 Mean-Coefficient、Variance-Coefficient、Log LikeHood、MeanForecast、SigmaForecast

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	残差或收益率序列
2	`q_order`	是	整数	ARCH 阶数
3	`forecast_count`	是	整数	预测步数

`time_GARCH(values, model_name)`

用途：建立 GARCH 类模型并输出均值、方差和预测结果。

参数个数：2 返回值：数组表；包含 Model Type、Mean-Coefficient、Variance-Coefficient、Log LikeHood、MeanForecast、SigmaForecast

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	残差或收益率序列
2	`model_name`	是	字符串	模型名；常用 `"GARCH"`

`garchFit(model_spec, values)`

用途：按模型规格拟合 GARCH 类波动率模型。

参数个数：2 返回值：数组表；包含 C、K、GARCH、ARCH、LLF、Errors、e、h

参数位置	参数名	必填	接收类型	说明
1	`model_spec`	是	数组表	模型规格；常用键包括 `R`、`M`、`AR`、`MA`、`Regress`、`VarianceModel`、`C`、`P`、`Q`、`GARCH`、`ARCH`、`Leverage`
2	`values`	是	数值数组	待拟合的收益率、残差或平稳时间序列

`time_Analyse(values, model_name, ar_order, ma_order, forecast_count)`

用途：按 AR、MA 或 ARMA 模型分析序列并输出预测结果。

参数个数：5 返回值：数组表；包含 Forecast、Volatility 以及模型系数

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	时间序列
2	`model_name`	是	字符串	模型名；可用 `"AR"`、`"MA"`、`"ARMA"`
3	`ar_order`	是	整数	AR 阶数
4	`ma_order`	是	整数	MA 阶数
5	`forecast_count`	是	整数	预测步数

`times_GrangerCausality(series_matrix, lag_order)`

用途：对矩阵中的多个序列执行两两 Granger 因果检验。

参数个数：2 返回值：数组表；每行包含 result、cause、F-Stat、P-Value

参数位置	参数名	必填	接收类型	说明
1	`series_matrix`	是	数值矩阵	多个时间序列组成的矩阵；可由两条序列用 `left_series	right_series` 组成
2	`lag_order`	是	整数	滞后阶数

15 KiB Raw Blame History Unescape Escape

数学函数 - 时间序列分析

服务器时间序列函数

time_Diff(values, order)

time_AutoCov(values, lag)

time_ACF(values)

time_PACF(values)

time_RandomTest(values, lag_count, alpha)

ar(values, order, method)

arma(values, ar_order, ma_order)

time_ARp(values, order, mode)

time_MAq(values, order, mode)

time_ARMA(values, ar_order, ma_order, mode)

time_GreenFun(ar_coefficients, ma_coefficients)

time_InvFun(left_values, right_values)

time_ChoseP(values, model_name, criterion)

times_Granger(y_values, x_values, lag_order, alpha)

time_DanielTest(values, alpha)

times_ADFTest(values, diff_order, model_style, criterion, lag_order, alpha)

times_Cointergration_test(y_values, x_values, diff_order, alpha, lag_order, criterion)

times_Cointergration(y_values, x_values, alpha)

times_ECM(y_values, x_values, residuals, alpha, p_order, q_order)

time_ARCHTest(values, lag_order, alpha)

time_ARCH(values, q_order, forecast_count)

time_GARCH(values, model_name)

garchFit(model_spec, values)

time_Analyse(values, model_name, ar_order, ma_order, forecast_count)

times_GrangerCausality(series_matrix, lag_order)