ARMA(p, q)-modell

En autoregressiv glidande medelvärdesmodell (ARMA(p, q)) kombinerar autoregressionsmodellen (AR(p)) och den glidande medelvärdesmodellen (MA(q)) till en enda modell. Det aktuella värdet i den simulerade vektorn beror både på tidigare värden i samma vektor och på tidigare värden i brusvektorn.

Färdigställ funktionsdefinitionen för arma().

Den här övningen är en del av kursen

Optimera R-kod med Rcpp

Visa kurs

Övningsinstruktioner

Definiera en heltalsvariabel, start, som det maximala värdet av p och q plus ett. Kom ihåg att max() finns i namnrymden std.
Inuti den yttre for-slingan definierar du en double-variabel, value, som mu plus det i:te brusvärdet.
Inuti den första inre for-slingan ökar du value med det j:te elementet i theta multiplicerat med det "i minus j minus 1":te elementet i eps.
Inuti den andra inre for-slingan ökar du value med det j:te elementet i phi multiplicerat med det "i minus j minus 1":te elementet i x.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

#include 
using namespace Rcpp;

// [[Rcpp::export]]
NumericVector arma(int n, double mu, NumericVector phi, NumericVector theta, double sd) {
  int p = phi.size();
  int q = theta.size();   
  NumericVector x(n);
  
  // Generate the noise vector
  NumericVector eps = rnorm(n, 0.0, sd);
  
  // Start at the max of p and q plus 1
  ___
  
  // Loop i from start to n
  for(int i = start; i < n; i++) {
    // Value is mean plus noise
    ___
    
    // The MA(q) part
    for(int j = 0; j < q; j++) {
      // Increase by the jth element of theta times
      // the "i minus j minus 1"th element of eps
      ___
    }
    
    // The AR(p) part
    for(int j = 0; j < p; j++) {
      // Increase by the jth element of phi times
      // the "i minus j minus 1"th element of x
      ___
    }
    
    x[i] = value;
  }
  return x;
}

/*** R
d <- data.frame(
  x = 1:50,
  y = arma(50, 10, c(1, -0.5), c(1, -0.5), 1)
)
ggplot(d, aes(x, y)) + geom_line()
*/

Redigera och kör kod