异步（不规则）时间序列分析

我正在尝试分析两个股票价格的时间序列之间的提前期。在定期的时间序列分析中，我们可以进行VECM（格兰杰因果关系）的Cross Correlaton。但是，如何在不规则间隔的时间序列中处理相同的内容。

假设是其中一种工具领先于另一种。

我的两个符号的数据都以微秒为单位。

我查看了RTAQ软件包，并尝试应用VECM。RTAQ在单变量时间序列上更多，而VECM在这些时间尺度上不重要。

> dput(STOCKS[,]))
structure(c(29979, 29980, 29980, 29980, 29981, 29981, 29991, 
29992, 29993, 29991, 29990, 29992), .Dim = c(6L, 2L), .Dimnames = list(NULL, c("Pair_Bid", "Calc_Bid" )), index = structure(c(1340686178.55163, 1340686181.40801, 1340686187.2642, 
1340686187.52668, 1340686187.78777, 1340686189.36693), class = c("POSIXct", "POSIXt"), tzone = ""), class = "zoo")

r time-series cross-correlation unevenly-spaced-time-series

— 少年
source

您需要使用一组可重现的数据

— 约翰·

不太确定您为什么这么说吗？你能详细说明吗？

— shoonya 2012年

@John的意思是（我认为），如果您提供的数据可以被答疑者轻松地用来测试和说明他们的方法（请参阅tinyurl.com/reproducible-000），则您更有可能获得有用的答案。我猜想交叉相关/交叉谱的参数模型是必要的……

— Ben Bolker 2012年

这真的应该在CrossValidated上进行

— nico

因为该问题可能具有足够的挑战性，以至于没有明显的标准方法。与其说“我要使用众所周知的统计程序X，而是在R中实现/如何使用它？”，不如说是“是否有解决问题Y的良好统计程序”？另外，可能值得一看r-sig-finance（我认为有这样的邮件列表...）

— Ben Bolker 2012年

我知道一个可能的解决方案，但是它太复杂了，以至于我将采用简单的选择并将您链接到相关的学术论文（我认为这是严重被低估的论文）：

Frank de Jong，Theo Nijman（1997）“金融市场之间铅-滞后关系的高频分析”

从那以后，我确信必须在这个问题上做更多的工作。找到它的一个好方法是使用idea.repec上的“引用”页面。这里是上述论文相关页面的链接。一些标题看起来很相关。

— 科林·T·鲍尔斯
source