用 R 语言为 arima 生成示例路径
Sample path generation for arima with R language
假设一个给定的时间序列,我们用“系列”来表示它。
还假设 h 为给定的非负整数,以下代码应为您提供一个名为 forecast 的对象:
ARIMA_MODEL = arima(series, order=c(1,1,1))
forecast = predict(ARIMA_MODEL, h)
这样:
- forecast$pred:接下来 h 步的预测平均值。
- forecast$se:每个时间步的预测标准误差。
现在,不仅要获得平均结果,而且我还想生成一个样本路径(随机预测),使用 ARIMA_MODEL 的信息(做某种模拟)。
怎么做?请注意,该问题与使用具有相同 (p,d,q) 参数的 arima.sim 函数不同,因为我想使用 [=26= 中可用的计算均值、方差等信息] 对象。
这可以使用 forecast 包来完成。
library(forecast)
library(ggplot2)
model <- Arima(WWWusage, order=c(1,1,1))
forecast <- forecast(model, h=20)
sample_path <- simulate(model, nsim=20)
autoplot(forecast) +
autolayer(sample_path)
由 reprex package (v0.3.0)
于 2020-07-28 创建
假设一个给定的时间序列,我们用“系列”来表示它。 还假设 h 为给定的非负整数,以下代码应为您提供一个名为 forecast 的对象:
ARIMA_MODEL = arima(series, order=c(1,1,1))
forecast = predict(ARIMA_MODEL, h)
这样:
- forecast$pred:接下来 h 步的预测平均值。
- forecast$se:每个时间步的预测标准误差。
现在,不仅要获得平均结果,而且我还想生成一个样本路径(随机预测),使用 ARIMA_MODEL 的信息(做某种模拟)。
怎么做?请注意,该问题与使用具有相同 (p,d,q) 参数的 arima.sim 函数不同,因为我想使用 [=26= 中可用的计算均值、方差等信息] 对象。
这可以使用 forecast 包来完成。
library(forecast)
library(ggplot2)
model <- Arima(WWWusage, order=c(1,1,1))
forecast <- forecast(model, h=20)
sample_path <- simulate(model, nsim=20)
autoplot(forecast) +
autolayer(sample_path)
由 reprex package (v0.3.0)
于 2020-07-28 创建