Линейная регрессия с объектом XTS

Question

Как сделать линейные регрессии с xts? lm(xtsObject ~ index(xtsObject)) не работает, я пробовал.

Мои данные - это ежедневная цена акций компании. но index дает секунды с эпохи до lm функции. Как решить?

Answer 1

Извлеките данные из xtsObject и указатель времени (как вы уже это сделали) в кадр данных, указав каждое подходящее имя. Обратитесь к переменным в формуле, используя это имя, и передайте в качестве данных аргумента этот фрейм данных. Например, используя данные примера в ?xts:

require("xts") 
data(sample_matrix) 
xtsObject <- as.xts(sample_matrix, descr="my new xts object") 

## the example ts has several variables Open High Low Close, 
## here I take just one, "Open" 
df <- data.frame(xtsObject['/'][,"Open"], Time = index(xtsObject)) 
head(df) 

> head(df) 
       Open  Time 
2007-01-02 50.03978 2007-01-02 
2007-01-03 50.23050 2007-01-03 
2007-01-04 50.42096 2007-01-04 
2007-01-05 50.37347 2007-01-05 
2007-01-06 50.24433 2007-01-06 
2007-01-07 50.13211 2007-01-07 

Теперь подобрать модель

mod <- lm(Open ~ Time, data = df) 
summary(mod) 

> mod <- lm(Open ~ Time, data = df) 
> summary(mod) 

Call: 
lm(formula = Open ~ Time, data = df) 

Residuals: 
    Min  1Q Median  3Q  Max 
-1.16144 -0.47952 -0.08462 0.57053 1.44329 

Coefficients: 
       Estimate Std. Error t value Pr(>|t|)  
(Intercept) 3.199e+02 1.199e+01 26.68 <2e-16 *** 
Time  -2.302e-07 1.020e-08 -22.57 <2e-16 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.6146 on 178 degrees of freedom 
Multiple R-squared: 0.741, Adjusted R-squared: 0.7395 
F-statistic: 509.2 on 1 and 178 DF, p-value: < 2.2e-16 

lm() ничего не знает о XTS объекты так, если есть сомнения, сделать простую вещь и передать ему что-то оно знает о.

Примечание: вы можете сделать coredata(xtsObject) вместо xtsObject['/'], например.

> head(coredata(xtsObject)) 
     Open  High  Low Close 
[1,] 50.03978 50.11778 49.95041 50.11778 
[2,] 50.23050 50.42188 50.23050 50.39767 
[3,] 50.42096 50.42096 50.26414 50.33236 
[4,] 50.37347 50.37347 50.22103 50.33459 
[5,] 50.24433 50.24433 50.11121 50.18112 
[6,] 50.13211 50.21561 49.99185 49.99185 

Answer 2

Решение Gavin Simpson опасно. Чтобы увидеть это, обратите внимание, что при выполнении регрессии выше тренда времени as.numeric(df$Time). Это время начинается с 1167724800. Обычно тренды времени начинаются с 0. Это важно, потому что, если вы не знаете о происхождении тренда времени, вы неправильно интерпретируете свои оценки коэффициентов. Я предложил несколько лучших альтернатив ниже.

data(sample_matrix) 
xtsObject <- as.xts(sample_matrix, descr="my new xts object") 

#Option 1, the best by far, no need to transform to a data.frame 
library(dynlm) 
dynlm(Open ~ trend(Open), data = xtsObject) 

#Option 2, another option 
library(dynlm) 
xtsObject$t <- 0:(nrow(xtsObject)-1) 
dynlm(Open ~ t, data = xtsObject) 

#Option 3, the data.frame route 
df <- data.frame(xtsObject['/'][,"Open"], t = 1:nrow(xtsObject)) 
lm(Open ~ t, df)