小编Ber*_*enk的帖子

我有一个现有的时间序列（1000 个样本），并使用 R 中的函数计算滚动平均值filter()，每个样本取 30 个样本的平均值。这样做的目标是创建时间序列的“平滑”版本。现在我想创建“看起来像”原始时间序列的人工数据，即有些噪音，如果我将相同的filter()函数应用于人工数据，这将导致相同的滚动平均值。简而言之，我想模拟一个具有相同总体过程但不与现有时间序列完全相同的值的时间序列。总体目标是研究某些方法是否可以检测时间序列之间趋势的相似性，即使趋势周围的波动不相同。

为了提供一些数据，我的时间序列看起来有点像这样：

set.seed(576)
ts <- arima.sim(model = list(order = c(1,0,0), ar = .9), n = 1000) + 900

# save in dataframe
df <- data.frame("ts" = ts)

# plot the data
plot(ts, type = "l")

过滤函数产生滚动平均值：

my_filter <- function(x, n = 30){filter(x, rep(1 / n, n), sides = 2, circular = T)}
df$rolling_mean <- my_filter(df$ts)
lines(df$rolling_mean, col = "red")

为了模拟数据，我尝试了以下方法：

1. 向滚动平均值添加随机噪声。

df$sim1 <- df$rolling_mean + rnorm(1000, sd = sd(df$ts))

lines(df$sim1, col …