R語言建立時間序列的兩個函數

金融數據必須是時間序列，才可進行經濟統計分析。建立時間序列，必須有日期作為數據框的一列。R語言建立時間序列的兩個函數是ts()和as.xts()。

1.ts()

library(stats)          #stats軟件包是R語言環境啟動的7個軟件包

ts(gm,frequency=12,start=c(1975,1))

這個命令表示：

(1)  frequency=12表明時間單位為年，而且在每一個時間單位中有12個均勻間隔的觀察值。

因此gm是月數據，在金融數據中，常用的有月收益率數據。

(2)  start=c(1975,1)表示開始時間為1975年1月。

(3)  gm應是列數據，而不能是多列金融數據。而且gm在數據框中選擇出來時，應有日期在同一個數據框中。

frequency和start是R中ts()函數產生時間序列對象需要的兩個基本參數。frequency的用法，

(a)frequency=4表明時間單位是年，每一個時間單位中有4個季節觀察值。

(b)frequency=365表明時間單位是年，每一個時間單位中有365個日期觀察值。

若樣本容量T<365，則可用frequency=T表示。

start的用法。

(a)若ts(gm,frequency=365,start=c(2014,1,1))建立時間序列。

但是，若用  ts(gm,frequency=365,start=c(2014,1,1),end(2014,12,31))結果將不同。

(b)若用ts(gm,frequency=1,start=c(2014,1,1))則，創建的時間序列start和end不同，將1年的時間單位用1天表示。

這個用法一般是gm只有一年的數據，對此年的數據進行以天為單位的經濟統計。

然而金融數據大多數并不是以365個數據為一年的數據，比如股市一年的有效數據一般在240多天，因此frequence的選擇應該與一年的實際數據為準。

完整的函數表示：

ts(data = NA, start = 1, end = numeric(0), frequency = 1, deltat = 1,

ts.eps = getOption("ts.eps"),  class = , names = ) 

詳細信息可見R語言系統

>?ts

e.g. 參數class

2.as.xts()

as.xts()與ts()不同，要求行名是日期。因此數據框中的日期必須賦值到行名，

而且刪除日期所在的列。

eg1.  as.xts()建立時間序列的主要命令

da=read.table("m-gm3dxjsh2016.txt",header=T)

gm2016=da[,1:2]   #da[1]是日期，da[2]是金融數據

rownames(gm2016)=gm2016[,1]   #將日期賦值到行名，注意不能用gm2016[1]，否則長度不同

gm=gm2016[-1]    # 去掉第一列

gm1=as.xts(gm[,1])  # 建立金融數據的時間序列，實際上這個語句并能運行，原因見eg2.

將日期賦值到行名的編程方法有很多，第二個程序的數據文件不同。

eg2.as.xts()建立時間序列的完整程序

> da=read.table("D:/programsdata/financialCapital/m-gm3dx2016.txt",head=T)      

>head(da)
      date       gm       vw       ew       sp
1 19750131 0.252033 0.141600 0.299260 0.122812
2 19750228 0.028571 0.058411 0.053918 0.059886
3 19750331 0.054487 0.030191 0.081497 0.021694
4 19750430 0.045593 0.046497 0.031093 0.047265
5 19750530 0.037209 0.055140 0.072876 0.044101
6 19750630 0.107955 0.051473 0.071792 0.044323

>gm2016=da[,1:2]   #gm2016是數據框

>head(gm2016)

date       gm
1 19750131 0.252033
2 19750228 0.028571
3 19750331 0.054487
4 19750430 0.045593
5 19750530 0.037209
6 19750630 0.107955

> dim(gm2016)      
[1] 408   2

> str(gm2016)    #成員date是int型
'data.frame':   408 obs. of  2 variables:
 $ date: int  19750131 19750228 19750331 19750430 19750530 19750630 19750731 19750829 19750930 19751031 ...
 $ gm  : num  0.252 0.0286 0.0545 0.0456 0.0372 ...

> d=as.character(gm2016[,1])       #將int型日期轉換成Date型

> d1=as.Date(d,format="%Y%m%d")
> head(d1)
[1] "1975-01-31" "1975-02-28" "1975-03-31" "1975-04-30" "1975-05-30"
[6] "1975-06-30"                         
> class(d1)
[1] "Date"

> gm=gm2016[,2,drop=FALSE]   #獲得數據框gm2016的第二列，drop=FALSE防止出現向量
> class(gm)      #gm是數據框
[1] "data.frame"

> head(gm)
        gm
1 0.252033
2 0.028571
3 0.054487
4 0.045593
5 0.037209
6 0.107955
> str(gm)    #成員gm的類型是num數值型
'data.frame':   408 obs. of  1 variable:
 $ gm: num  0.252 0.0286 0.0545 0.0456 0.0372 ...

> rownames(gm)=d1   #gm的行名是R語言標準時間表示
> head(gm)
                 gm
1975-01-31 0.252033    #注意19750131是不允許的
1975-02-28 0.028571
1975-03-31 0.054487
1975-04-30 0.045593
1975-05-30 0.037209
1975-06-30 0.107955

>library(xts)

>gm2=as.xts(gm)

比較

ts()和as.xts()兩個函數產生的時間序列的plot圖略有不同。然而acf圖和pacf圖則相同。

nm1=as.xts(data1)

nm2=ts(data1,frequency=365,start=c(2014,1,1),end=c(2014,12,31))

acf(nm1,lag=20) 

pacf(nm1,lag=20)

acf(nm2,lag=20)

pacf(nm2,lag=20)

plot(nm1)

plot(nm2)

圖1        acf和pacf圖

圖2     兩個函數產生的時間序列的plot圖

可以看到plot圖中，ts()產生的時間序列更為精細，而as.xts()的時間序列則略微粗糙。