使用 ts 对象或 xts 对象的 ccf 提供不同的滞后
ccf using ts object or xts object provide different lags
我正在使用 R 3.1.3,我有 2 个时间序列,我想使用 ccf
进行比较,以查看在哪个延迟处存在最大相关性。时间序列以 15 分钟为间隔。
我试过两种不同的方法:
- 将时间序列定义为
ts
对象
- 将时间序列定义为
xts
对象
之后,我使用 ccf
命令计算互相关。 ACF 图形在这两种情况下是相同的,但是当我使用 ts
对象时,我在 (-31, 31) 之间出现滞后,但是当我使用 [=13= 时,滞后在 (-27900, 27900) 之间] 目的。我检查了帮助,默认情况下最大延迟是 10*log10(N/m)
,在这种情况下是:10*log10(2688/2) = 31.28
.
因此,第一个选项似乎显示了正确的延迟。但是我更愿意使用 xts
,因为我还有 8 个系列要比较,而且它们都在同一个 data.frame 中。此外,我很想知道为什么会这样!
这里可以看到代码:
# Generate data - Example:
set.seed(123)
x <- rnorm(2880,0,3)
y <- rnorm(2880,0,3)
# 1 month of data
dt <- seq(as.POSIXct('2014-01-01 00:00:00'), by='15 min', length.out=(60*24*30/15))
x <- data.frame (dt,x)
y <- data.frame(dt,y)
summary(x)
summary(y)
str(x)
str(y)
xy <- merge (x, y, by="dt", all=TRUE)
summary(xy)
# Time series objects (univariate):
x_ts <- ts(x)
y_ts <- ts(y)
# Using xts (multivariate):
library(xts)
xy_ts <- xts(xy[,-1], order.by = xy$dt)
summary(xy_ts)
str(xy_ts)
class(xy_ts)
xy_ts_x <- xy_ts[,1]
xy_ts_y <- xy_ts[,2]
summary(xy_ts_y)
# Cross-correlation fucntion from the univariate series:
ccf1 <- ccf(x_ts[,2], y_ts[,2])
# Cross-correlation fucntion from the multivariate series:
ccf2 <- ccf(drop(xy_ts_x), drop(xy_ts_y)) # drop extra dimensions in xts
如您所见,两个图形的 x 轴不同。我已经阅读了很多关于 ccf
、xts
等的帖子,但我找不到为什么会这样。
acf
和 ccf
函数在内部将它们的第一个参数转换为 ts
对象。正如我在其他地方所说,xts
目前无法很好地处理转换 to/from ts
。
针对这个具体问题的一个work-around是在创建xts对象后手动将frequency
属性设置为1:
xy_ts <- xts(xy[,-1], order.by = xy$dt)
attr(xy_ts, "frequency") <- 1
xy_ts_x <- xy_ts[,1]
xy_ts_y <- xy_ts[,2]
ccf2 <- ccf(drop(xy_ts_x), drop(xy_ts_y))
我正在使用 R 3.1.3,我有 2 个时间序列,我想使用 ccf
进行比较,以查看在哪个延迟处存在最大相关性。时间序列以 15 分钟为间隔。
我试过两种不同的方法:
- 将时间序列定义为
ts
对象 - 将时间序列定义为
xts
对象
之后,我使用 ccf
命令计算互相关。 ACF 图形在这两种情况下是相同的,但是当我使用 ts
对象时,我在 (-31, 31) 之间出现滞后,但是当我使用 [=13= 时,滞后在 (-27900, 27900) 之间] 目的。我检查了帮助,默认情况下最大延迟是 10*log10(N/m)
,在这种情况下是:10*log10(2688/2) = 31.28
.
因此,第一个选项似乎显示了正确的延迟。但是我更愿意使用 xts
,因为我还有 8 个系列要比较,而且它们都在同一个 data.frame 中。此外,我很想知道为什么会这样!
这里可以看到代码:
# Generate data - Example:
set.seed(123)
x <- rnorm(2880,0,3)
y <- rnorm(2880,0,3)
# 1 month of data
dt <- seq(as.POSIXct('2014-01-01 00:00:00'), by='15 min', length.out=(60*24*30/15))
x <- data.frame (dt,x)
y <- data.frame(dt,y)
summary(x)
summary(y)
str(x)
str(y)
xy <- merge (x, y, by="dt", all=TRUE)
summary(xy)
# Time series objects (univariate):
x_ts <- ts(x)
y_ts <- ts(y)
# Using xts (multivariate):
library(xts)
xy_ts <- xts(xy[,-1], order.by = xy$dt)
summary(xy_ts)
str(xy_ts)
class(xy_ts)
xy_ts_x <- xy_ts[,1]
xy_ts_y <- xy_ts[,2]
summary(xy_ts_y)
# Cross-correlation fucntion from the univariate series:
ccf1 <- ccf(x_ts[,2], y_ts[,2])
# Cross-correlation fucntion from the multivariate series:
ccf2 <- ccf(drop(xy_ts_x), drop(xy_ts_y)) # drop extra dimensions in xts
如您所见,两个图形的 x 轴不同。我已经阅读了很多关于 ccf
、xts
等的帖子,但我找不到为什么会这样。
acf
和 ccf
函数在内部将它们的第一个参数转换为 ts
对象。正如我在其他地方所说,xts
目前无法很好地处理转换 to/from ts
。
针对这个具体问题的一个work-around是在创建xts对象后手动将frequency
属性设置为1:
xy_ts <- xts(xy[,-1], order.by = xy$dt)
attr(xy_ts, "frequency") <- 1
xy_ts_x <- xy_ts[,1]
xy_ts_y <- xy_ts[,2]
ccf2 <- ccf(drop(xy_ts_x), drop(xy_ts_y))