这个例子展示了如何模拟平稳AR(2)过程中的样本路径,而不指定前样本观测值。
创建模型
指定AR(2)模型
其中,创新过程为高斯分布,方差为0.1。
Mdl = arima (“不变”, 0.5,基于“增大化现实”技术的{0.7 - 0.25},“方差”、。1);
生成一个样本路径
从指定的模型中生成一个样本路径(包含50个观察值),然后绘图。
rng(5) Y = simulate(Mdl,50);图(Y) xlim([0,50])“模拟过程AR(2)”)
由于未指定预样例数据,模拟
设置两个所需的前样本观察值等于过程的无条件平均值
过程的无条件方差为
计算过程的无条件均值和方差。
c = Mdl.Constant;φ= Mdl.AR;sigmaEps2 = Mdl.Variance;μ= c / (1-phi{1}φ{2})
μ= 10.0000
sigma2 = (1-phi{2}) /(1 +φ{2})* sigmaEps2 / ((1-phi{2}) ^ 2 -φ{1}^ 2)
sigma2 = 0.8276
生成多个样本路径
生成1000个样本路径,每个路径有50个观察值。
Y =模拟(Mdl 50“NumPaths”, 1000);图次要情节(2,1,1)情节(Y,“颜色”(.85 .85 .85])标题(“模拟过程AR(2)”)举行在h =情节(意思是(Y, 2),“k”,“线宽”2);传奇(h,“模拟的意思”,“位置”,“西北”)举行从次要情节(2,1,2)情节(var (Y, 0, 2),“r”,“线宽”2)标题(“过程方差”)举行在情节(1:50,sigma2 *的(50,1),“k——”,“线宽”传说,1.5)(“模拟”,“理论”,...“位置”,“东南”)举行从
模拟平均值随时间变化是不变的。这与平稳过程的定义是一致的。然而,过程方差不是随时间而恒定的。由于缺乏前样数据,在模拟开始时存在瞬态效应。
在观测值50左右,模拟方差接近理论方差。
过采样以减少瞬态影响
为了减少瞬态效应,一种选择是对过程进行过采样。例如,要采样50个观察数据,可以生成包含超过50个观察数据的路径,并将除最后50个观察数据外的所有观察数据作为老化数据丢弃。在这里,模拟长度为150的路径,并丢弃前100个观察值。
Y =模拟(Mdl, 150,“NumPaths”, 1000);Y = Y(101年:,);图次要情节(2,1,1)情节(Y,“颜色”(.85 .85 .85])标题(“模拟过程AR(2)”)举行在h =情节(意思是(Y, 2),“k”,“线宽”2);传奇(h,“模拟的意思”,“位置”,“西北”)举行从次要情节(2,1,2)情节(var (Y, 0, 2),“r”,“线宽”2) xlim([0, 50])标题(“过程方差”)举行在情节(1:50,sigma2 *的(50,1),“k——”,“线宽”传说,1.5)(“模拟”,“理论”,...“位置”,“东南”)举行从
这些实现现在看起来像是从平稳的随机过程中提取的。模拟方差(由于蒙特卡罗误差)在理论方差附近波动。
这个例子展示了如何模拟平稳MA(12)过程的样本路径,而不指定样本前观测值。
创建模型
指定MA(12)模型
其中创新分布为高斯分布,方差为0.2。
Mdl = arima (“不变”, 0.5,“马”{0.8, 0.2},...“MALags”(1、12),“方差”, 0.2);
生成样本路径
生成200个样本路径,每个路径有60个观察值。
rng(5) Y =模拟(Mdl,60,)“NumPaths”, 200);图绘制(Y,“颜色”(.85 .85 .85])在h =情节(意思是(Y, 2),“k”,“线宽”2);传奇(h,“模拟的意思”,“位置”,“西北”)标题(“马(12)过程”)举行从
对于MA过程,常数项是无条件平均值。模拟平均值是近似的 = 0.5。
情节模拟方差
过程的无条件方差为
计算无条件方差。
θ= cell2mat (Mdl.MA);sigmaEps2 = Mdl.Variance;sigma2 =(1 +(θ,^ 2)总和)* sigmaEps2
sigma2 = 0.3360
因为模型是平稳的,无条件方差应该在所有时间都是常数。绘制模拟方差,并将其与理论方差进行比较。
图绘制(var (Y, 0, 2),“颜色”(综合成绩、综合成绩、综合成绩),“线宽”1.5) xlim([0, 60])标题(的无条件方差)举行在情节(一60,sigma2 *的(60,1),“k——”,“线宽”2)传说(“模拟”,“理论”,...“位置”,“东南”)举行从
在模拟开始时,似乎有一个短暂的磨合期。在此期间,模拟方差低于预期。之后,模拟方差围绕理论方差波动。
生成多个样本路径
从模型中模拟10,000条路径,每条路径长度为1000。绘制模拟方差图。
YM =模拟(Mdl, 1000,“NumPaths”, 10000);图绘制(var (YM 0 2),“颜色”(综合成绩、综合成绩、综合成绩),“线宽”(1.5) ylim[0.3, 0.36])标题(的无条件方差)举行在情节(1:1000 sigma2 *的(1000 1),“k——”,“线宽”2)传说(“模拟”,“理论”,...“位置”,“东南”)举行从
当产生更多的实现时,蒙特卡罗误差减小。模拟方差的变异性要小得多,它紧密地围绕理论方差波动。