Simuleer het eenvoudige voortschrijdend-gemiddeldemodel

Het eenvoudige voortschrijdend-gemiddeldemodel (MA) is een zuinig tijdreeksmodel dat korte-termijnautocorrelatie opvangt. Het lijkt op een regressiemodel, maar hier wordt elke observatie geregregeerd op de vorige innovatie, die je in de praktijk niet observeert. Net als het autoregressieve (AR) model bevat het MA-model het white-noise (WN) model als speciaal geval.

Net als bij eerdere modellen kun je het MA-model simuleren met het commando arima.sim() door het model-argument op list(ma = theta) te zetten, waarbij theta een hellingsparameter is uit het interval (-1, 1). Ook moet je opnieuw de lengte van de reeks opgeven met het n-argument.

In deze oefening simuleer en plot je drie MA-modellen met respectievelijk hellingsparameters 0.5, 0.9 en -0.5.

Deze oefening maakt deel uit van de cursus

Tijdreeksanalyse in R

Cursus bekijken

Oefeninstructies

Gebruik arima.sim() om een MA-model te simuleren met de hellingsparameter op 0.5 en een reekslengte van 100. Sla dit model op in x.
Gebruik nog een aanroep van arima.sim() om een MA-model te simuleren met de hellingsparameter op 0.9. Sla dit model op in y.
Gebruik een derde aanroep van arima.sim() om een laatste MA-model te simuleren met de hellingsparameter op -0.5. Sla dit model op in z.
Gebruik plot.ts() om alle drie de modellen te tonen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Generate MA model with slope 0.5
x <- arima.sim(model = ___, n = ___)

# Generate MA model with slope 0.9
y <- 

# Generate MA model with slope -0.5
z <- 

# Plot all three models together
plot.ts(cbind(___, ___, ___))

Code bewerken en uitvoeren