我们正在尝试创建自动相关的随机值,将其用作时间序列。我们没有引用的现有数据,仅想从头开始创建向量。
一方面,我们当然需要具有分布及其SD的随机过程。
另一方面,必须描述影响随机过程的自相关。该向量的值与在几个时间间隔内强度的降低自相关。例如lag1有0.5,lag2 0.3,lag1 0.1等。
所以最后向量应该看起来像这样:2、4、7、11、10、8、5、4、2,-1、2、5、9、12、13、10、8、4、3, 1,-2,-5
等等。
我们正在尝试创建自动相关的随机值,将其用作时间序列。我们没有引用的现有数据,仅想从头开始创建向量。
一方面,我们当然需要具有分布及其SD的随机过程。
另一方面,必须描述影响随机过程的自相关。该向量的值与在几个时间间隔内强度的降低自相关。例如lag1有0.5,lag2 0.3,lag1 0.1等。
所以最后向量应该看起来像这样:2、4、7、11、10、8、5、4、2,-1、2、5、9、12、13、10、8、4、3, 1,-2,-5
等等。
Answers:
实际上,我经常遇到这个问题。我最喜欢的两种在R中生成具有自相关时间序列的方法取决于我是否需要平稳的过程。
对于非平稳时间序列,我使用布朗运动。例如,对于长度为1000的我执行以下操作:
x <- diffinv(rnorm(999))
对于固定的时间序列,我会过滤高斯噪声。例如,如下所示:
x <- filter(rnorm(1000), filter=rep(1,3), circular=TRUE)
在这种情况下,滞后的自相关 如果为0 。在其他情况下,我们必须计算变量和之间的相关性。例如 协方差是
因此,您会看到自协方差线性下降直至 哪里 是过滤器的长度。
您也可能想做长的记忆时间序列(如分数布朗运动),但这涉及更多。我有一个Davies-Harte方法的R实现,可以根据需要发送给您。
您可以通过构造自回归过程来生成相关序列,例如AR(1)过程 。生成为您选择的分布使用统一的随机数生成器。然后让 得到 等等。的使用统一的随机数连续地随机选择。给 您想要的平均值和标准偏差,可以从噪声序列的平均值和方差中得出 。选择 适当地。
arima.sim()
这里指出该功能的存在。