第 27 章 时序分析

library(formatR)
`%>%` <- magrittr::`%>%`
library(ggplot2)
library(ggfortify)
library(highcharter)
# library(timeDate) # 日期处理
# library(timeSeries) # 序列处理
# library(prophet) # 时间序列预测
# https://github.com/business-science/timetk
# library(timetk)

首先介绍时序数据对象及操作,处理时序数据的工具,包括时序图、相关图、平稳性检验,相关检验,之后才是时序建模。timeDate timeSeries 是处理日期和时间序列的 R 包,有专门的官网 https://www.rmetrics.org/,扩展到时间序列、组合优化、金融市场、投资管理等一系列书籍,非常值得一看。此外,北大李东风老师的金融时间序列分析讲义 是这方面非常好的中文参考材料。David R. Brillinger 在 1975 年出版的书 《Time Series: Data Analysis and Theory》 (Brillinger 2001) 是经典著作,我们可以从时间序列分析的综述上开始入手,比如从 ARIMA 过渡到异方差和非高斯分布 https://mason.gmu.edu/~jgentle/talks/CompFin_Tutorial.pdfhttps://www.stat.berkeley.edu/~brill/Papers/encysbs.pdf 和 ARCH or GARCH 的综述 http://public.econ.duke.edu/~boller/Papers/glossary_arch.pdf ,宾州州立大学开设的 Applied Time Series Analysis 课程 https://newonlinecourses.science.psu.edu/stat510/,以及 《Time Series Analysis and Its Applications With R Examples》 已经出到第四版了,和 R 语言结合,理论和应用结合 https://www.stat.pitt.edu/stoffer/tsa4/。从时间序列中寻找规律,这样才是真的数据建模,从数据到模型,而不是相反 Finding Patterns in Time Series,识别金融时间序列的模式和统计规律。现在工业界做时序分析和预测的工具,如 facebook 出品的 prophet,微软收集了一些时间序列预测的最佳实战案例 https://github.com/microsoft/forecasting

forecastML 自回归模型结合机器学习方法

CausalImpact 时间序列中的因果关系,比如广告促销带来的点击效果

参考文献

Brillinger, David R. 2001. Time Series: Data Analysis and Theory. Philadelphia, PA, USA: Society for Industrial; Applied Mathematics.