白噪声模型或随机游走模型是平稳的吗？
白噪声（WN）和随机游走（RW）模型关系非常密切。不过，只有 RW 在有无漂移项时都始终是非平稳的。本练习通过模拟来突出它们的差异。
回顾：如果我们从零均值的 WN 过程出发，计算其运行和（累积和），就会得到一个 RW 过程。cumsum() 函数可直接完成这一转换。同样地，如果我们先生成一个 WN 过程，但把其均值从 0 改为非零，然后再计算累积和，得到的就是带漂移的 RW 过程。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 使用
arima.sim()生成一个 WN 模型。将model参数设为list(order = c(0, 0, 0))以生成 WN 类型模型，并将n设为100以生成 100 个观测。将结果保存为white_noise。 - 对
white_noise使用cumsum()函数，快速将 WN 模型转换为 RW 数据。将结果保存为random_walk。 - 以类似方式调用
arima.sim()生成第二个 WN 模型。保持其他参数不变，但将mean参数设为0.4。将结果保存为wn_drift。 - 再次调用
cumsum()将wn_drift数据转换为 RW。将结果保存为rw_drift。 - 输入预写好的代码，将上述 4 个序列绘图对比。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Use arima.sim() to generate WN data
white_noise <-
# Use cumsum() to convert your WN data to RW
random_walk <-
# Use arima.sim() to generate WN drift data
wn_drift <-
# Use cumsum() to convert your WN drift data to RW
rw_drift <-
# Plot all four data objects
plot.ts(cbind(white_noise, random_walk, wn_drift, rw_drift))