使用互相关模型进行预测答案

【问题标题】：Prediction using cross correlation model使用互相关模型进行预测
【发布时间】：2014-06-05 01:13:47
【问题描述】：

我是 R 的新手，我正在研究一个互相关模型，我已经搜索了答案，但一直找不到。

我已经能够使用带有“ccf”的 R 函数证明 2 个时间序列之间的互相关（滞后相关）。

现在基于使用 ccf 创建的模型，我希望能够根据另一个变量的数据预测其中一个变量的下一个值。我似乎没有找到信息。

这在与 Arima 的自相关中相对容易，但我似乎无法通过互相关来做到这一点。

知道如何实现这一目标吗？

谢谢费尔南多

【问题讨论】：

标签： r lag predict cross-correlation

【解决方案1】：

如帮助中所说，ccf函数的用途是：

Function ccf computes the cross-correlation or cross-covariance of two univariate series

这意味着它不是您在问题中所说的模型，而是计算。您应该做的是使用ccf 函数来绘制和选择预测模型，例如 ARIMA、VAR 等。Check out the time series task in CRAN 以获取有关时间序列建模的更多选项。

也许您的问题应该发布在 stats.exchange 而不是 stackoverflow 中，因为它不是编程问题。

如果这对您有用，这将是一个使用 ccf() 的示例。

df <- data.frame(date = seq(as.Date("1990-01-01"), length = 100, by = "month"),
                 x = (runif(n = 100, min = 0, max = 1000)),
                 y = rpois(n = 100, lambda = 50))

cc = with(df, ccf(x, y, type = "correlation"))

plot(cc)

【讨论】：

马丁，这很有帮助。现在我明白了为什么单独使用 ccf 是不够的。我会检查stats.exchange。谢谢