Data-analyse - grondstofprijzen
Geld verdienen met grondstoffen is niet makkelijk. De meeste handelaren in grondstoffen verliezen eerder geld dan dat ze het verdienen. Het pakket astsa bevat de gegevensset chicken, de maandelijkse spotprijs voor hele kip, Georgia docks, VS-cent per pond, van augustus 2001 tot en met juli 2016.
Het pakket astsa is al geladen in je R-console en de gegevens zijn voor je geplot; let op de trend en de seizoenscomponenten.
Eerst ga je zorgvuldig een SARIMA-model op de grondstof fitten. Later gebruik je het gefitte model om de spotprijs voor hele kip te voorspellen.
Na het verwijderen van de trend suggereren de steekproef-ACF en -PACF een AR(2)-model, omdat de PACF na lag 2 afkapt en de ACF langzaam uitdooft. Er blijft echter een kleine seizoenscomponent in de ACF over. Dit kun je oplossen door een extra SAR(1)-component te fitten.
Trouwens, als je geïnteresseerd bent in het analyseren van andere grondstoffen uit verschillende regio’s, vind je veel verschillende tijdreeksen op index mundi.
Deze oefening maakt deel uit van de cursus
ARIMA-modellen in R
Oefeninstructies
- Plot de gedifferentieerde (d = 1) gegevens
diff(chicken). Let erop dat de trend is verwijderd en bekijk het seizoenspatroon. - Plot de steekproef-ACF en -PACF van de gedifferentieerde gegevens tot en met lag 60 (5 jaar). Je ziet dat een AR(2) passend lijkt, maar dat er een kleine, significante seizoenscomponent achterblijft in de gedetrende gegevens.
- Fit een ARIMA(2,1,0) op de
chicken-gegevens om te zien dat er nog correlatie in de residuen zit. - Fit een SARIMA(2,1,0)x(1,0,0)12 en merk op dat het model goed past.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Plot differenced chicken
# Plot P/ACF pair of differenced data to lag 60
# Fit ARIMA(2,1,0) to chicken - not so good
# Fit SARIMA(2,1,0,1,0,0,12) to chicken - that works