模拟 100 个 AR(2) 时间序列答案

【问题标题】：Simulate 100 AR(2) time series模拟 100 个 AR(2) 时间序列
【发布时间】：2018-11-10 21:25:59
【问题描述】：

我需要 R 编程方面的帮助。

模拟 100 个 AR(2) 时间序列，样本大小为 n=50，e_t ~ N(0,1)。

【问题讨论】：

【解决方案1】：

library(FitAR)
set.seed(54321)
n=50
phi <- c(0.1,0.5)

count <- 0

for(i in 1:100){
  yt <- unclass(arima.sim(n=n,list(ar=phi),innov=rnorm(n,0,1)))
  p=SelectModel(as.ts(yt), lag.max = 20, Criterion = "BIC", Best=1)
  fit.monthly <- arima(yt, order = c(p, 0, 0))
  my_coefficients =fit.monthly$coef
  my_coefficients=my_coefficients[!names(my_coefficients) == 'intercept']
  print(my_coefficients)

  if(length(my_coefficients) == 2){
    count <- count + 1
  }
}

print(paste0("AR(2) model count is: ", count))

【讨论】：

非常感谢！

【解决方案2】：

使用`ts.extend`包中的`rGARMA`函数

您可以使用 ts.extend 包从任何固定高斯 ARMA 模型生成随机向量。这个包使用计算的随机向量的自相关矩阵直接从多元正态分布生成随机向量，因此它从精确分布中给出随机向量，并且不需要“老化”迭代。这是来自 AR(2) 模型的示例。

#Load the package
library(ts.extend)

#Set parameters
AR <- c(0.9, -0.2)
m  <- 50

#Generate n = 100 random vectors from this model
set.seed(1)
SERIES <- rGARMA(n = 100, m = m, ar = AR, errorvar = 1)

#Plot the series using ggplot2 graphics
library(ggplot2)
plot(SERIES)

【讨论】：

使用ts.extend包中的rGARMA函数

使用`ts.extend`包中的`rGARMA`函数