在R中生成时间序列的前提是我们将分析对象转成时间序列函数对象，包括观测值、起始时间、种植时间、及周期（月、季度、年）的结构。这些都能通过ts( )函数实现。
R语言中，对时间序列数据进行分析处理时，使用差分函数要注意：差分函数diff()不带参数名的参数指滞后阶数，也就是与滞后第几阶的数据进行差分。如果要指定差分的阶数，则一定要使用带名称的参数:diff=2。
例如： sample表示样本数据。
1、diff(sample,2)表示是对滞后2阶的数据进行差分，一阶差分，等同于： diff(sample,lag=2)
2、diff(sample,diff=2)才是表示二阶差分
意：在函数中尽量避免使用没有命名的参数。在《时间序列分析及应用-R语言（第2版）》中，P315，描述到： 我们得到的教训就是，除非完全了解相关参数的位置，否则使用未命名参数是非常危险的。
截尾是指时间序列的自相关函数（ACF）或偏自相关函数（PACF）在某阶后均为0的性质（比如AR的PACF）；
拖尾是ACF或PACF并不在某阶后均为0的性质（比如AR的ACF）。
拖尾 ：始终有非零取值，不会在k大于某个常数后就恒等于零(或在0附近随机波动)
截尾 ：在大于某个常数k后快速趋于0为k阶截尾
AR模型：自相关系数拖尾，偏自相关系数截尾；
MA模型：自相关系数截尾，偏自相关函数拖尾；
ARMA模型：自相关函数和偏自相关函数均拖尾。
根据输出结果， 自相关函数图拖尾，偏自相关函数图截尾 ，且n从2或3开始控制在置信区间之内，因而可判定为AR(2)模型或者AR(3)模型。
R里面的LAG只适用于时间序列，不适合于dataframe或者向量，因此需要自己写一个小小的函数来实现lag的功能。lagdf <- function(x, k) {
c(rep(NA, k), x)[1 : length(x)]
}
y<-lagdf(x,2)
cbind(x,y)
R 里面的diff()函数倒是支持数值向量
另外一种常用的计算lag()的方法
log.yahoo <- log(yhoo.close[-1]/yhoo.close[-length(yhoo.close])
如果直接使用diff(log(data$close))会报错，是因为由于差分，向量的长度缩小了一个，需要采用
c(NA, diff(log(data))),来增加一个向量单元
