数据分析——大宗商品价格
在大宗商品上赚钱并不容易。多数商品交易者最终是亏损的。astsa 包包含数据集 chicken，记录的是 2001年8月到 2016年7月在 Georgia docks 的整鸡即期价格（月度），单位为每磅美分。
您的 R 控制台已预加载 astsa 包，并为您绘制了数据图。请留意其中的趋势与季节性成分。
首先，您将运用所学为该商品谨慎拟合一个 SARIMA 模型。随后，您将使用拟合好的模型尝试预测整鸡的即期价格。
去除趋势后，样本 ACF 与 PACF 表明应使用 AR(2) 模型，因为 PACF 在滞后 2 之后截尾，而 ACF 呈拖尾。然而，ACF 仍然残留一个较小的季节性成分。可以通过再加入一个 SAR(1) 成分来处理。
另外，如果您有兴趣分析来自不同地区的其他大宗商品，您可以在 index mundi 找到许多不同的时间序列。
本练习是课程的一部分
R 中的 ARIMA 模型
练习说明
- 绘制一阶差分（d = 1）后的数据
diff(chicken)。注意趋势已被去除，并观察季节性行为。 - 将差分数据的样本 ACF 与 PACF 绘制到滞后 60（5 年）。可以看到 AR(2) 似乎合适，但在去趋势数据中仍有一个小而显著的季节性成分。
- 对
chicken数据拟合 ARIMA(2,1,0)，观察残差中仍存在相关性。 - 拟合 SARIMA(2,1,0)x(1,0,0)12，并注意该模型拟合良好。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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