预测
描述
预测
非常适合计算样本外无条件的预测吗贝叶斯VAR (p)模型不包含一个外生回归组件。对于先进的应用程序,如样本外条件预测,VARX (p)模型预测、缺失值归责,吉布斯采样器规范后预测分布估计,看到simsmooth
。
返回一个路径预测的反应YF
=预测(PriorMdl
,numperiods
,Y
)YF
在长度numperiods
预测地平线。每一个时期YF
的意思是后预测分布,这是源自于之前的后验分布贝叶斯VAR (p)模型PriorMdl
考虑到响应数据Y
。输出YF
代表的延续Y
。
南
在数据显示缺失值,预测
使用list-wise删除删除。
例子
输入参数
输出参数
更多关于
提示
蒙特卡罗模拟是可能变更。如果
预测
使用蒙特卡罗模拟,那么当你叫估计和推断可能有所不同预测
在看似同等条件下多次。复制估算结果,设置一个随机数种子通过使用rng
在调用之前预测
。
算法
如果后预测分布分析棘手(适用于大多数情况下),
预测
实现了马尔可夫链蒙特卡罗(密度)与贝叶斯数据采样增加计算后预测的平均值和标准偏差分布。要做到这一点,预测
调用simsmooth
,它使用一个计算密集型的过程。大多数计量经济学工具箱™
预测
函数接受一个估计或后生成预测的模型对象。这样一个模型包含了结构参数和数据。然而,预测
函数的贝叶斯VAR模型需要presample和估计样本数据做如下:执行更新贝叶斯参数估计后验分布。
预测
获得实现模型与贝叶斯数据增加,包括卡尔曼滤波平滑步骤,需要整个系列。预测未来反应的存在两个不确定性的来源:
估计噪声ε1、…εT,导致参数不确定性
预测期噪声εT+ 1、…εT+
numperiods
引用
[1]Litterman罗伯特•B。“与贝叶斯向量自回归预测:五年的经验。”商业和经济统计》杂志上4,没有。1(1986年1月):25-38。https://doi.org/10.2307/1391384。
版本历史
介绍了R2020a