问题描述
如何使用均值函数X(t),t = 1,. . .,200
模拟高斯过程m(t) = 0
和
协方差函数r(h) = Cov(t,t + h) = exp(-|h|)
。我知道这个过程有时称为
Ornstein-Uhlenbeck过程,但如何绘制模拟过程。
感谢您的期待
解决方法
按照Wikipedia的定义,Ornstein–Uhlenbeck过程由以下随机微分方程定义: 是维纳过程,它的特性之一是具有高斯增量,即
上述等式可以按以下方式离散化:
由于维纳过程的高斯增量属性,我们得到了。这意味着可以使用sqrt(dt)*rnorm(1)
我在R中编码了以下函数,该函数采用时间向量,过程的平均值,标准差和theta的值。
simulate <- function(t,mean=0,std=1,x0=mean,theta=1,number.of.points=length(t)){
# calculate time differences
dt <- diff(t)
X <- vector("numeric",length=number.of.points)
X[1] <- x0
for(i in 1:(number.of.points-1)){
X[i+1] <- X[i] + theta * (mean-X[i])*dt[i] + std * sqrt(dt[i])* rnorm(1)
}
data.frame(x=t,y=X)
}
simulate(t=1:200) %>% ggplot(aes(x,y)) + geom_line()
使用purrr
simulate <- function(t,sd=1,number.of.points=length(t)){
stopifnot(!missing(t) | !missing(number.of.points))
if(missing(t)){
t <- 1:number.of.points
}
unlist(purrr::accumulate2(vector("numeric",length=number.of.points-1),diff(t),function(x,o,y) {
x + theta*(mean - x)* y + sqrt(y)*rnorm(1)
},.init=x0),use.names=F) -> X
data.frame(x=t,y=X)
}
simulate(number.of.points=200) %>% ggplot(aes(x,y)) + geom_line()
,
从此处使用功能:https://quant.stackexchange.com/questions/1260/r-code-for-ornstein-uhlenbeck-process
ornstein_uhlenbeck <- function(T,n,nu,lambda,sigma,x0){
dw <- rnorm(n,sqrt(T/n))
dt <- T/n
x <- c(x0)
for (i in 2:(n+1)) {
x[i] <- x[i-1] + lambda*(nu-x[i-1])*dt + sigma*dw[i-1]
}
return(x);
}
test <- ornstein_uhlenbeck(200,200,0.8,1,0)
plot(x = seq_along(test),y = test,type = 'l')
(请注意,它仅给您一个大致的分布,如链接中对该问题的答案之一所述。)
我假设T = 200,n = 200,nu = 0(如您所述),平均回归参数为0.8,sigma为1,并且过程从0开始。