VAR模型预测、模拟与分析
VAR模型预测
当您拥有带有参数(已知或估计)的模型时,您可以检查模型的预测。有关创建VAR模型的信息,请参见向量自回归(VAR)模型创建.有关估计模型的信息,请参见VAR模型估计.
这个列表描述了主要的预测方法。
使用
预测
,你可以:生成最小均方误差预测和相应的均方误差矩阵。有关示例,请参见预测VAR模型.
在预测范围内给出一些未来响应值,生成条件预测和相应的均方误差矩阵。有关示例,请参见预测VAR模型条件响应.
使用
模拟
,你可以:为蒙特卡罗估计生成许多随机的未来响应路径。有关示例,请参见用蒙特卡罗模拟预测VAR模型而且模拟估计的VARX模型的响应.
在预测范围内给定一些未来响应值,生成许多随机的有条件的未来响应路径。有关示例,请参见模拟VAR模型条件响应.
这些函数基于完全指定的模型对象和初始数据进行预测。它们在创新过程中的功能不同:
预测
假设创新为零值。因此,预测
产生一个确定性的预测,条件或其他。模拟
假设多元创新是联合高斯分布,并带有协方差矩阵Σ.模拟
产生伪随机,蒙特卡罗样本路径。过滤器
需要创新过程路径。过滤器
生成基于指定创新过程路径的确定性示例路径。
预测
是更快,需要更少的内存生成许多示例路径使用模拟
或过滤器
.然而,预测
是不是还不如灵活呢模拟
而且过滤器
.例如,假设您在创建模型之前转换了一些时间序列,并希望在检查预测时撤消转换。的变换给出的误差边界预测
错误边界不是有效边界。相比之下,由转换后的模拟统计量给出的误差边界是有效的。
预测功能如何工作
对于无条件预测,预测
生成两个量:
基于0次创新的确定性预测时间序列
时间序列预测均方误差矩阵的基础上Σ,创新度协方差矩阵。
对于条件预测:
对于任何类型的预测,要初始化VAR(p)模型,预测
需要ppresample观察。您可以选择指定多个预采样数据路径。如果指定了多条路径,预测
返回预测响应的多条路径,每个路径(输出3-D数组的页或表格或时间表输出的列)对应于预采样值的路径并由其演化而来。
对于无条件模拟,模拟
:
利用均值为0,协方差为Σ的多元高斯创新随机路径,在模型基础上生成随机时间序列
通过模型过滤创新的随机路径
对于条件模拟:
模拟
,就像预测
,需要一个未来响应数据数组,其中包含缺失值和已知值的混合,并为缺失的响应生成值。模拟
使用此过程执行条件模拟。每一次t
在预测范围内:模拟
推断(或反向过滤)创新(E (
)从已知的未来反应。t
:)对于未来创新的缺失,
模拟
:吸引了
Z1
的已知元素条件下的随机标准高斯分布扰动E (
.t
:)尺度
Z1
条件协方差矩阵的下三角Cholesky因子。也就是说,Z2
=L * Z1
,在那里l
=胆固醇(协方差,“低”)
而且协方差
为条件高斯分布的协方差。背景
Z2
中的相应缺失值E (
.t
:)
对于未来响应数据中缺失的值,
模拟
通过VAR模型对相应的随机创新进行过滤Mdl
.
对于任何一种类型的模拟:
当您将可选输入数据指定为数值数组以返回模拟路径的数值数组时,
模拟
不需要预先观察。但是,对于时间或时间表的输入和输出,模拟
需要一个预示例来推断表或时间表属性。详细信息请参见Y0
而且Presample
参数的模拟
.为了进行推理,生成1000s响应路径,然后在预测范围内的每个时间从生成的路径中估计样本统计量。例如,假设
Y
是预测路径的三维数组。蒙特卡罗预测时间点和区间估计t
在预测范围内是MCPointEst = mean(Y(t、::),3);MCPointInterval =分位数(Y(t:,:) (0.025 - 0.975), 3);
也就是说,蒙特卡罗点估计是跨页的平均值,蒙特卡罗区间估计由跨路径计算的2.5个百分位和97.5个百分位组成。请注意,蒙特卡罗估计受到蒙特卡罗误差的影响,因此每次在相同的条件下运行分析,但使用不同的随机数种子时,估计都会有所不同。
数据扩展
如果在拟合模型之前对任何时间序列进行缩放,则可以取消对结果时间序列的缩放,从而更容易理解其预测。
计算脉冲响应
你可以检查的效果脉冲响应对模型armairf
.脉冲响应是时间序列模型对创新过程的确定性响应,该过程在初始时间的一个分量上有一个标准差,在所有其他分量和时间上都为零。脉冲响应函数的主要分量是动态乘数,即VAR模型的VMA表示的系数。
给定一个完全指定的varm
模型,你必须提供自回归系数armairf
.默认情况下,armairf
在整个系统中发出单位震动,导致预测误差脉冲响应.您可以选择提供创新协方差矩阵,并选择是否生成广义或使正交化脉冲响应。广义脉冲响应相当于通过VAR模型过滤每个创新的一个标准误差的冲击。正交脉冲响应通过创新协方差的下三角Cholesky因子对动态乘数进行缩放。详情请参见[2].
有关示例,请参见生成VAR模型脉冲响应.
参考文献
[1] Lütkepohl, H。多重时间序列分析新导论.柏林:施普林格,2005。
[2]佩萨兰,H. H.和Y. Shin。线性多元模型的广义脉冲响应分析经济上的字母。卷58,1998,17-29。
另请参阅
对象
varm
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">舰导弹
功能
过滤器
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">price2ret
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">ret2price
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">diff
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">cumsum
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">过滤器
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">模拟
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">估计