如何使用arima.sim和估计模型模拟AR（1）过程？

我想执行以下两个步骤：

基于给定的时间序列，我想校准AR（1）过程，即我想估计参数

基于估计的参数，我想模拟一个AR（1）过程

我的方法如下：

set.seed(123)
#Just generate random AR(1) time series; based on this, I want to estimate the parameters
ts_AR <- arima.sim(n=10000, list(ar=c(0.5)))
#1. Estimate parameters with arima()
model_AR <- arima(ts_AR, order=c(1,0,0))
#Looks actually good
model_AR
Series: ts_AR 
ARIMA(1,0,0) with non-zero mean 

Coefficients:
  ar1  intercept
0.4891    -0.0044
s.e.  0.0087     0.0195

sigma^2 estimated as 0.9974:  log likelihood=-14176.35
AIC=28358.69   AICc=28358.69   BIC=28380.32  

#2. Simulate based on model
arima.sim(model=model_AR, n = 100)
Error in arima.sim(model = model_AR, n = 100) : 
  'ar' part of model is not stationary

set.seed（123）
#仅生成随机AR（1）时间序列；基于此，我想估计参数
t_AR它不是世界上最清晰的界面，但
模型
参数是一个给出ARMA顺序的列表，而不是实际的
arima
模型

arima.sim(model=as.list(coef(model_AR)), n=100)

这将创建一个AR系数为.489的模拟序列，根据您的起始数据进行估计。请注意，截距被忽略。
我认为您使用的方法不正确，因为您的系数估计值存在不确定性。
以适当的方式实现目标的最佳方法是在生成过程中加入不确定性，可能有参数化的方法可以做到这一点，但我认为bootstrap在这里很方便

让我们先生成AR进程

set.seed(123)
ts_AR <- arima.sim(n = 10000, list(ar = 0.5))

set.seed（123）
这当然是一个有趣的补充点（so+1），但我并不特别关心。现在，我只想模拟一个过程，想知道为什么它没有像我在R中尝试的那样工作。@Christoph_J我知道我只是想分享我对这个问题的观点，但你肯定是对的，编程而不是统计！！！要创建绘图：
hist（coefmat，col=“blue”）
abline（v=mean（coefmat），col=“red”）
ar_fun <- function(ts) c(ar = coef(arima(ts, order = c(1, 0, 0),
                                       include.mean = FALSE)), ts = ts)

ar_sim <- function(res, n.sim, ran.args) {
    rg <- function(n, res) sample(res, n, replace = TRUE)
    ts <- ran.args$ts
    model <- ran.args$model
    arima.sim(model = model, n = n.sim,
              rand.gen = rg, res = c(res))
}

ar_fit <- arima(ts_AR, order = c(1, 0, 0), include.mean = FALSE)
ts_res <- residuals(ar_fit)
ts_res <- ts_res - mean(ts_res)
ar_model <- list(ar = coef(ar_fit))

require(boot)
set.seed(1)
ar_boot <- tsboot(ts_res, ar_fun,
                   R = 99, sim = "model",
                   n.sim = 100, orig.t = FALSE,
                   ran.gen = ar_sim,
                   ran.args = list(ts = ts_AR, model = ar_model))

coefmat <- apply(ar_boot$t, 1, "[", 1)
seriesmat <- apply(ar_boot$t, 1, "[", -1)