时间序列学习笔记(三)

自作多情 提交于 2020-01-30 02:47:34

时间序列学习笔记(三)

随机游走

假定{wt}为白噪声,均值为0,方差为σ2,如果
Xt=μ+Xt1+wtX_t=\mu+X_{t-1}+w_t
则过程{Xt}称为带有漂移μ的的随机游走(随机徘徊),如果X0固定,那么

Xt=μt+X0+t=1twiX_t=\mu t+X_0+\sum^t_{t=1} w_i
因此
E(Xt)=μt+X0E(X_t)=\mu t+X_0
Var(Xt)=tσ2Var(X_t)=t\sigma^2
随t变换的均值及方差意味着该过程是非平稳的。然而,随机游走的一阶差分
Xt=XtXt1=μ+wt\nabla X_t=X_t-X_{t-1}=\mu+w_t
是一个纯随机过程。它是平稳的。
下图为带漂移(μ=0.05)的随机游走(左上)及其样本自相关函数图(右上)以及原序列差分(左下)其差分的样本自相关函数图(右下)。在这里插入图片描述
产生上图的代码:

> set.seed(2)
> rwd=cumsum(rnorm(n=520,mean=(1:100)*0.05))
> par(mfrow=c(2,2));ts.plot(rwd);acf(rwd)
> ts.plot(diff(rwd))#diff()函数的作用为计算其差分
> acf(diff(rwd))

趋势平稳过程

趋势平稳过程定义为
Xt=f(t)+ytX_t=f(t)+y_t
这里的f(t)是t的任意实质函数,而{yt}为一个平稳过程,它可以看成围绕着f(t)周围的平稳过程。
带漂移的随机游走可以是一个最简单的趋势平稳过程。它可以写成下面的形式:
Xt=μ+βt+wt,wtiid(0,σ2)X_t=\mu+\beta t+w_t,w_t\sim iid(0,\sigma^2)
趋平稳过程中的f(t)在这里是E(xt)=μ+βtE(x_t)=\mu+\beta t,而yt=wty_t=w_t,方差Var(Xt=σ2)Var(X_t=\sigma^2),均因为均值s随时间变化。它不是平稳过程。在取一阶差分后,可以得到Xt=β+wtwt1\nabla X_t=\beta +w_t-w_{t-1}

所以显然,Xt\nabla X_t是一个平稳的MA(1)过程,均值为β,方差为2σ2.
模拟的趋势平稳过程(左上)和样本自相关函数图(右上),以及其一阶差分序列(左下)和样本自相关函数图(右下)

在这里插入图片描述
产生图片的代码

> set.seed(2)
> y=arima.sim(n=200,list(ma=c(0.2,-0.4)),sd=sqrt(0.2))#产生ARMA模型的模拟数据,n为模拟数据长度
> x<-0.5-0.3*(1:200)+y
> par(mfrow=c(2,2));
> ts.plot(x)
> acf(x)
> ts.plot(diff(x))
> acf(diff(x))
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!