预测VAR模型

打开直播脚本

此示例显示了如何使用预报预测VAR模型。

预报使您可以生成错误估计的MMSE预测。预报需要：

一个完全指定的模型（例如，estmdl.在下文中）
预测的期间数量（例如，numperiods.在下文中）
预定时间序列（例如，y（结束3：结束，:)在下文中）

预报可选择采取：

外源数据系列
额外的路径

加载DATA_USECONMODEL.数据集。此示例使用两次序列：真正的GDP的对数，以及真正的3个月T账单率，两者都有差异近似静止。假设VAR（4）模型适合描述时间序列。

加载DATA_USECONMODEL.def = log（dataTable.cpiaucsl）;gdp = log（dataTable.gdp）;RGDP = Diff（GDP  -  Def）;％真实GDP是GDP  - 通货紧缩TB3 = 0.01 * DataTable.TB3MS;ddef = 4 * diff（def）;％缩放RTB3 = TB3（2：END） -  DDEF;％真正的兴趣是缩小的Y = [RGDP，RTB3];

适合var（4）型号规格：

mdl = varm（2,4）;mdl.seriesnames = {'转变真正的GDP'那'改变了真正的3-Mo T-账单率'};estmdl =估计（mdl，y）;

预测时间序列的演变：

numperiods = 21;fdates = dateshift（DataTable.Time（END），'结尾'那'25美分硬币'，1：numperiods）;[预测，预测] =预测（Estmdl，Numperiods，Y（结束3：结束，:)）;

从每个单元格中的矩阵中提取主对角线元素预兆。应用结果的平方根以获得标准错误。

ExtractMse = @（x）诊断（x）';MSE = Cellfun（ExtractMse，Forecastmse，'统一输出'，错误的）;se = sqrt（cell2mat（mse））;

估计每个响应系列的近似95％预测间隔。

ForecastFi = Zeros（Numperiods，MDL.Numseries，2）;ForecastFi（：，：，1）=预测 -  2 * SE;ForecastFi（：，:,2）=预测+ 2 * SE;

绘制预测和数据。

数字;h1 = plot（DataTable.Time（（（结束-49）：结束），y（（结束-49）：结束，1））;抓住上;H2 = Plot（FDates，预测（：，1））;H3 = Plot（FDates，ForecastFi（：，1,1），'k-'）;情节（FDATES，FORPASTFI（：，1,2），'k-'）;标题（'真正的GDP增长率'）;H = GCA;填充（[Fdates（1）H.xlim（[2 2]）Fdates（1）]，H.YLIM（[1 1 2 2]），'K'那......'Facealpha'，0.1，'Edgecolor'那'没有任何'）;传奇（[H1 H2 H3]，'真的'那'预报'那'95％预测间隔'那......'地点'那'西北'） 抓住离开;

图包含轴。标题实际GDP增长率的轴包含5个类型的线条，贴片。这些对象代表True，预测95％的预测间隔。

数字;H1 = Plot（DataTable.Time（（（结束-49）：结束），y（（结束-49）：结束，2））;抓住上;H2 = Plot（FDates，预测（:,2））;H3 = Plot（FDates，ForecastFi（:,2,1），'k-'）;情节（FDATES，FORPASTFI（:,2,2），'k-'）;标题（'3个月T-账单率'）;H = GCA;填充（[Fdates（1）H.xlim（[2 2]）Fdates（1）]，H.YLIM（[1 1 2 2]），'K'那......'Facealpha'，0.1，'Edgecolor'那'没有任何'）;传奇（[H1 H2 H3]，'真的'那'预报'那'95％预测间隔'那......'地点'那'西北'） 抓住离开;