R: Генерация сезонной модели временных рядов ARIMA с использованием параметров существующих данных.

Question

У меня есть данные временного ряда, которые я могу использовать для определения параметров основного стохастического процесса.Например, скажем, у меня есть сезонная модель ARIMA SARIMA (p, d, q) (P, D, Q) [S].

Как я могу использовать это для генерации нового набора данных временных рядов счета?

Будучи еще более конкретным: SARIMA (1,0,1) (1,0,0) [12] - как я могу генерировать временные ряды для 10-летнего периода для каждого месяца?(т. е. 120 баллов для оценки количества «отсчетов».)

Answer 1

Используйте simulate.Arima() из пакета forecast.Он обрабатывает сезонные модели ARIMA, тогда как arima.sim() - нет.

Однако модели ARIMA не подходят для подсчета временных рядов, поскольку предполагают, что процесс определен на всей действительной линии.

Answer 2

Поздний приход на вечеринку, но, безусловно, идеальное решение для генерации SARIMA (p,d,q)(P,D,Q)[S] моделей без обработки данных, поскольку это значительно снижает порог. Недавно объект SARIMA был добавлен в пакет gmwm ( отказ от ответственности: его автор.)

Эта функция в настоящее время находится в сборке пакета GitHub , поэтому синтаксис может измениться.

Пример кода генерации:

# install.packages("devtools")

devtools::install_github("smac-group/gmwm")

# Set seed for reproducibility
set.seed(5532)

# Generate a SARIMA(1,0,1)(1,0,0)[12] 
mod = SARIMA(ar=.6, i = 0, ma=.3, sar = .5, si = 0, sma = 0, s = 12, sigma2 = 1)

# Generate the data
xt = gen_gts(1e3, mod)

# Try to recover parameters
arima(xt, order = c(1,0,1), seasonal = list(order = c(1,0,0), period = 12), include.mean = FALSE)

Выход:

Call:
arima(x = xt, order = c(1, 0, 1), seasonal = list(order = c(1, 0, 0), period = 12), 
    include.mean = F)

Coefficients:
         ar1     ma1    sar1
      0.5728  0.3117  0.5035
s.e.  0.0335  0.0371  0.0274

sigma^2 estimated as 1.008:  log likelihood = -1424.89,  aic = 2857.78

Разное: Обновите этот пост в выпуске gmwm v3.0.0.