Оценка модели случайного блуждания

Для заданного временного ряда y можно подобрать модель случайного блуждания с дрейфом: сначала возьмите первые разности ряда, а затем подгоните модель белого шума (WN) к полученным разностям с помощью команды arima() с аргументом order = c(0, 0, 0).

Команда arima() выводит сведения о подобранной модели. В разделе Coefficients: отображается оценка переменной дрейфа — она называется intercept. Непосредственно под ней приводится приближённая стандартная ошибка (s.e.). Дисперсия компоненты белого шума модели также оценивается и отображается под меткой sigma^2.

Это упражнение является частью курса

Анализ временных рядов в R

Посмотреть курс

Инструкции к упражнению

Временной ряд random_walk уже загружен и показан на графике справа. Используйте функцию diff(), чтобы получить первые разности ряда. Сохраните результат в переменную rw_diff.
Используйте ts.plot(), чтобы построить график разностного ряда.
Используйте arima(), чтобы подогнать модель WN к разностному ряду: задайте аргументу x значение rw_diff, а аргументу order — значение c(0, 0, 0). Сохраните модель в model_wn.
Сохраните значение intercept модели model_wn в переменную int_wn. Получить это значение можно с помощью model_wn$coef.
Используйте ts.plot(), чтобы воспроизвести исходный график ряда random_walk.
Добавьте оценённый временной тренд на график с помощью функции abline(), передав int_wn в качестве второго аргумента.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Difference your random_walk data
rw_diff <- 

# Plot rw_diff


# Now fit the WN model to the differenced data
model_wn <-

# Store the value of the estimated time trend (intercept)
int_wn <- 

# Plot the original random_walk data


# Use abline(0, ...) to add time trend to the figure

Редактировать и запускать код