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:如何使用arima.sim和估计模型模拟AR(1)过程?,r,R,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 wi
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)