如何用Python生成非零均值AR(2)正样本？statsmodels实现问询

1. 修正AR参数定义 #

statsmodels的ArmaProcess要求AR多项式以1开头，对应标准AR(2)模型$X_t = \phi_1 X_{t-1} + \phi_2 X_{t-2} + \epsilon_t$，AR参数数组应为[1, -φ₁, -φ₂]。你当前的AR参数第一个元素是2，会导致模型形式不符合常规定义，需先修正这一点。

2. 生成非零均值的正样本 #

有两种可靠方式实现需求：

方式一：生成零均值AR样本后添加正偏移

先创建平稳的零均值AR(2)过程（用正态分布误差），再给所有样本加上一个足够大的正常数，确保结果全为正：

import numpy as np
from statsmodels.tsa.arima_process import ArmaProcess

rng = np.random.default_rng(12345)

# 定义标准AR(2)参数：Xt = 0.25Xt-1 + 0.25Xt-2 + εt
ar_params = np.array([1, -0.25, -0.25])  
ma_params = np.array([1])

# 创建平稳AR过程
ar_proc = ArmaProcess(ar_params, ma_params)
# 生成零均值样本（用正态误差）
zero_mean_sample = ar_proc.generate_sample(nsample=2*60*60, distrvs=rng.normal)

# 添加正偏移，确保所有样本为正（这里取偏移为样本最小值的绝对值+1，也可直接指定固定正数值）
positive_offset = abs(zero_mean_sample.min()) + 1
positive_nonzero_mean_sample = zero_mean_sample + positive_offset

方式二：利用正均值误差项生成非零均值样本

你当前使用的rng.lognormal本身是正分布（默认参数下均值≈1.648），配合平稳的AR(2)过程，只要初始值为正，后续样本会自动保持正，且过程本身会有非零均值。修正参数后的代码如下：

import numpy as np
from statsmodels.tsa.arima_process import ArmaProcess

rng = np.random.default_rng(12345)

# 修正后的AR(2)参数：对应Xt = 0.25Xt-1 + 0.25Xt-2 + εt
ar_1 = np.array([1, -0.25, -0.25])    
ar_2 = np.array([1, -0.5, -0.25])  
ma1 = np.array([1])

# 创建过程并生成样本，指定正初始值避免极端负值
ar1_proc = ArmaProcess(ar_1, ma1)
ar1_dat = ar1_proc.generate_sample(nsample=2*60*60, distrvs=rng.lognormal, initial_values=[1, 1])

ar2_proc = ArmaProcess(ar_2, ma1)
ar2_dat = ar2_proc.generate_sample(nsample=2*60*60, distrvs=rng.lognormal, initial_values=[1, 1])

3. 验证平稳性 #

生成前可以用ArmaProcess.isstationary验证过程是否平稳，确保样本符合AR(2)的统计特性：

print(ar1_proc.isstationary)  # 输出True表示平稳

内容的提问来源于stack exchange，提问作者Shew