Mensimulasikan model random walk dengan drift

Sebuah random walk (RW) tidak harus berfluktuasi di sekitar nol; RW dapat memiliki kecenderungan naik atau turun, yaitu drift atau tren waktu. Hal ini dilakukan dengan memasukkan intersep dalam model RW, yang berkaitan dengan kemiringan tren waktu RW.

Sebagai formulasi alternatif, Anda dapat mengambil jumlah kumulatif dari deret white noise (WN) dengan rataan konstan, sehingga rataan tersebut berkaitan dengan kemiringan tren waktu RW.

Untuk mensimulasikan data dari model RW dengan drift, Anda kembali menggunakan fungsi arima.sim() dengan argumen model = list(order = c(0, 1, 0)). Kali ini, Anda harus menambahkan argumen tambahan mean = ... untuk menentukan variabel drift, atau intersep.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan arima.sim() untuk menghasilkan model RW lainnya. Atur argumen model sama dengan list(order = c(0, 1, 0)) untuk menghasilkan model tipe RW dan atur n sama dengan 100 untuk menghasilkan 100 observasi. Atur argumen mean menjadi 1 untuk menghasilkan drift. Simpan sebagai rw_drift.
Gunakan ts.plot() untuk membuat plot data rw_drift Anda.
Gunakan diff() untuk menghitung beda pertama dari data rw_drift Anda. Simpan sebagai rw_drift_diff.
Gunakan pemanggilan ts.plot() lainnya untuk memplot rw_drift_diff.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Generate a RW model with a drift uing arima.sim
rw_drift <- arima.sim(model = ___, n = ___, mean = ___)

# Plot rw_drift


# Calculate the first difference series
rw_drift_diff <- 

# Plot rw_drift_diff

Edit dan Jalankan Kode