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
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
有
因此
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
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)。
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
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:
趋平稳过程中的f(t)在这里是,而,方差,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
所以显然,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)
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))
来源:CSDN
作者:QY_yuan
链接:https://blog.csdn.net/QY_yuan/article/details/104061963