预测向量自回归(VAR)模型的响应
预测
估计用公式无条件预测
哪里Ť= 1,...,numperiods
。预测
过滤器的numperiods
-通过-numseries
的矩阵零值通过创新Mdl
。预测
使用指定的presample创新(Y0
)在必要时。
预测
估计使用卡尔曼滤波器有条件的预测。
方式预测
确定numpaths
,输出参数中的页数ÿ
,依赖于预测类型。
如果您估计的是无条件预测,这意味着您没有指定名称-值对参数YF
, 然后numpaths
是的输入参数的页数Y0
。
如果有条件的估计和预测Y0
和YF
有一个以上的页面,然后numpaths
是具有较少页的数组中的页数。如果页数在Y0
或YF
超过numpaths
, 然后预测
只使用第一个numpaths
页面。
如果你估计条件预测Y0
或YF
有一个页面,然后numpaths
是最页面数组中的页面数。预测
使用带有一个页面用于每个路径的阵列。
预测
设定的模型,包括线性时间趋势的时间原点(Ť0)大小(Y0,1)
-Mdl.P
(后除去缺失值)。因此,在趋势成分的时间Ť=Ť0+ 1,Ť0+ 2,…,Ť0+numobs
。这项公约与模型估计的默认行为是一致的,其中估计
删除第一个Mdl.P
反应,减少了有效样本大小。虽然预测
明确地使用第一Mdl.P
presample反应Y0
初始化模式,观测的总数目(不包括缺失值)确定Ť0。
[1]<小号pan>汉密尔顿,j . D。时间序列分析。普林斯顿,NJ:普林斯顿大学出版社,1994年。
[2]<小号pan>约翰森S.在协整向量自回归模型的可能性为基础的推理。牛津:牛津大学出版社,1995年。
[3]<小号pan>Juselius,K.协整VAR模型。牛津:牛津大学出版社,2006年。
[4]<小号pan>Lutkepohl, H。新介绍多时间序列分析。柏林:施普林格,2005年。