蒙特卡罗模拟的回归模型与ARIMA - MATLAB和Simulink MathWorks澳大利亚错误金宝app

蒙特卡罗模拟的回归模型与ARIMA错误

蒙特卡罗模拟是生成独立的过程中,随机从指定的概率模型。在模拟时间序列模型时,一个画(或实现)是整个样本路径指定的长度N,y₁,y₂、……y_N。当你产生大量的吸引,说米,你生成米样本路径长度N。

请注意

一些扩展的蒙特卡罗模拟依赖于生成依赖随机吸引,如马尔可夫链蒙特卡罗(密度)。的模拟在计量经济学工具箱™生成独立的实现。

蒙特卡罗模拟的应用有:

时间序列模型的部分指定了无条件的扰动的动态演化过程随着时间的推移,通过一个条件意味着结构。进行蒙特卡罗模拟的回归模型与ARIMA错误:

例如,考虑模拟N反应的回归模型和ARMA(2, 1)错误:

$\begin{array}{l} y_{t} = X_{t} β + u_{t} \\ u_{t} = ϕ_{1} u_{t - 1} + ϕ_{2} u_{t - 2} + ε_{t} + θ_{1} ε_{t - 1}, \end{array}$

在哪里ε_t高斯均值为0,方差吗σ²。鉴于presample无条件的干扰(u₀和u₁)和创新(ε₀),遵循这些步骤:

计量经济学工具自动化这个过程模拟。通过指定一个完全回归模型与ARIMA错误(regARIMA),反应模拟的数量和,可选地,路径和presample数据的数量模拟模拟了反应。

请注意

计量经济学工具对回归模型的预测作为固定,nonstochastic系列。因此,为了生成蒙特卡罗示例响应的路径,你需要知道的值预测。

使用许多模拟路径,您可以估计模型的各种特性。然而,蒙特卡罗估计是基于有限数量的模拟。因此,蒙特卡罗估计受一些错误。你可以减少蒙特卡罗错误在你的模拟研究通过增加样本路径的数量,米你从模型生成。

例如,估计未来事件的概率:

生成米从你的模型示例路径。
估计未来事件的概率使用样本比例的事件发生米模拟,

$\hat{p} = \frac{# t 我米 e 年代 e v e n t o c c u r 年代我 n 米 d r 一个 w 年代}{米} 。$
计算蒙特卡罗估计标准误差,

$年代 e = \sqrt{\frac{\hat{p} (1 - \hat{p})}{米}} 。$