Simula il modello random walk con drift
Un random walk (RW) non deve per forza oscillare attorno allo zero: può avere una traiettoria crescente o decrescente, cioè un drift o una tendenza nel tempo. Questo si ottiene includendo un intercetta nel modello RW, che corrisponde alla pendenza della tendenza temporale del RW.
In un'ulteriore formulazione, puoi calcolare la somma cumulata di una serie white noise (WN) a media costante, in modo che la media corrisponda alla pendenza della tendenza temporale del RW.
Per simulare dati da un modello RW con drift usa di nuovo la funzione arima.sim() con l'argomento model = list(order = c(0, 1, 0)). Questa volta, aggiungi l'argomento aggiuntivo mean = ... per specificare la variabile di drift, ovvero l'intercetta.
Questo esercizio fa parte del corso
Analisi delle serie temporali in R
Istruzioni dell'esercizio
- Usa
arima.sim()per generare un altro modello RW. Imposta l'argomentomodeluguale alist(order = c(0, 1, 0))per generare un modello di tipo RW e impostanuguale a100per ottenere 100 osservazioni. Imposta l'argomentomeana1per introdurre un drift. Salva il risultato inrw_drift. - Usa
ts.plot()per tracciare i datirw_drift. - Usa
diff()per calcolare la prima differenza dei datirw_drift. Salva il risultato comerw_drift_diff. - Fai un'altra chiamata a
ts.plot()per tracciarerw_drift_diff.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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