条件平均模型的蒙特卡罗模拟&MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

条件平均模型的蒙特卡罗模拟

蒙特卡罗模拟是从指定的概率模型生成独立随机抽取的过程。在模拟时间序列模型时，一次抽取（或实现）是指定长度的整个样本路径N,Y_1.,Y_2.,...,Y_N. 当生成大量绘图时，例如M，您生成M采样路径，每种长度N.

笔记

蒙特卡罗模拟的一些扩展依赖于生成相关的随机图，如马尔可夫链蒙特卡罗（MCMC）。这个模拟函数在计量经济学工具箱™生成独立的实现。

蒙特卡罗模拟的一些应用包括：

条件均值模型通过条件均值结构描述过程随时间的动态演化。要对条件平均模型进行蒙特卡罗模拟：

例如，考虑AR（2）过程，

$Y_{T} = C + ϕ_{1.} Y_{T - 1.} + ϕ_{2.} Y_{T - 2.} + ε_{T} .$

给定样本前响应Y₀和Y_–1，以及模拟创新 $ε_{1.}, \dots, ε_{N},$ 过程的实现是递归生成的：

$⋮$

对于MA(12)工艺，例如:

$Y_{T} = C + ε_{T} + θ_{1.} ε_{T - 1.} + θ_{12} ε_{T - 12},$

您需要12个采样前创新来初始化模拟。默认情况下，模拟设定样品创新等于零。剩下的N创新是从创新过程中随机抽取的。

使用许多模拟路径，可以估计模型的各种特征。然而，蒙特卡罗估计是基于有限数量的模拟。因此，蒙特卡罗估计会有一定的误差。通过增加采样路径的数量，可以减少模拟研究中的蒙特卡罗误差，M，从模型生成的。

例如，估计未来事件的概率:

生成M模型中的示例路径。
使用事件发生的样本比例估计未来事件的概率M模拟,，

$\hat{P} = \frac{# T 我 M E s E v E N T o C C U R s 我 N M D R A. W s}{M} .$
计算估计的蒙特卡罗标准误差，

$s E = \sqrt{\frac{\hat{P} (1. - \hat{P})}{M}} .$