你好,
在许多情况下,VMA系数不能可靠地估计,除非有大样本高质量的数据。如果我们真的想估计这些系数,一种方法是估计量。一些限制系数,样本的时刻(t)和y (t - 1)可能给一个合理的估计系数的求解方程。在这种情况下,优化工具箱将有利于解决方程和最小化损失函数。
另一种方法是把VMA模型状态方程形式,然后利用卡尔曼滤波器的似然函数,然后可以最大化数值。有时它适用于低维VMA模型如果起始值是合理的。状态变量可以堆叠扰动在最近几期,和观测线性对这些干扰的影响模型。例如,VMA(1),美国可以e (t)和e (t - 1)的转移矩阵
A =[[0(暗),0(暗)];(眼睛(暗),0(暗)]];
B =[胆固醇(σ),0(暗)];
观测矩阵只是MA系统,说
C =(眼(暗),Psi);
没有额外的噪音的观测矩阵的系数D可以省略。与A, B, C, D矩阵指定为输入,就绪状态空间模型。马系数Psi和协方差矩阵西格玛,可以通过数值最大似然估计。
最好的,
挂钱
