平稳VAR模型一
来源:互联网 发布:淘宝代金卷 编辑:程序博客网 时间:2024/06/11 07:22
knitr::opts_chunk$set(echo = TRUE, message = F, warning = F)
Tsay书的第一章通过上两篇得到总结,主要目的是清楚多元模型的数据结构和模型目标。第二章用以了解 Stationary VAR 时间序列的基本知识,主要包括:
- 模型成分和结构
- 平稳性特征/条件
- 模型测量
- 模型筛选
- 预测
总体的,一个VAR(p)表达与AR(p)类似:
参见上篇详细表达。 值得注意的是,VAR(p) 的 p 取值于最大lag, 如一个观测对象数量为2的VAR(2)模型, 可以由一个AR(1)和一个AR(2)模型组成, 如下, 例子中
Causality
另外,现实中P的值都很小,以下在尽量不失总体性的情况下以如下三元VAR(2)模型为例子。 对 VAR(2) 模型结构和成分分析主要考虑moment分析,平稳性, MA变形以及单元序列变形三方面。
本篇仅考虑前两个Monment,即均值和协方差,公式和计算过程如下。
- 均值
- 方差和前p-1个lag 的协方差矩阵:
使用上述VAR(2)数值进行如下计算
library(MTS)p0 = matrix(c(5, 3, 0), 3, 1)p1 = matrix(c(.47, -.35, .47, .21, .34, .23, 0, .47, .23), 3, 3)p2 = matrix(c(0,-.19, .3, 0, .18, 0, 0,0,0),3,3)sig = matrix(c(.285, .026, .069,.026,.287,.137,.069,.137,.357),3,3)k = nrow(sig)Ik= diag(k)mu = solve(Ik - p1 - p2) %*% p0rownames(mu) = c("z1","z2","z3")colnames(mu) = c(mean)muzt = VARMAsim(30000, arlags = c(1,2), phi = cbind(p1,p2), cnst = c(p0), sigma = sig, set.seed(100))meansm = matrix(apply(zt$series, 2, mean), nrow =1) "mean throung simulation"meansmP1 = diag(ncol(p1))P2 = P1 * 0PR1 = cbind(p1, p2)PR2 = cbind(P1, P2)P = rbind(PR1, PR2)PG1 = matrix(0, nrow(sig),ncol(sig))G2 = G1G3 = G1GR1 = cbind(sig, G1)GR2 = cbind(G2, G3)G = rbind(GR1, GR2)Gk = 3p = 2nVI = (k*p)^2VI = diag(nVI)VKP = kronecker(P, P)G0 = solve(VI - VKP) %*% matrix(as.numeric(G), ncol = 1)nG = length(G)^0.5GM = matrix(G0, nrow = nG)g0 = GM[1:nrow(sig), 1:ncol(sig)]g1 = GM[1:nrow(sig), (ncol(g0)+1):ncol(GM)]g2 = p1 %*% g1 + p2 %*% g0GamaM = cbind(g0, g1, g2)rownames(GamaM) = c("z1","z2","z3")colnames(GamaM) = paste("L", rep(c(1,2,3), 3), rep(c(0,1,2), each =3), sep = "")GamaMsm = diag(diag(g0))se = sm^0.5s = solve(se)rho0 = s %*% g0 %*% srho1 = s %*% g1 %*% srho2 = s %*% g2 %*% sRohM = cbind(rho0, rho1, rho2)dimnames(RohM) = dimnames(GamaM)RohMzt = zt$seriesnr = nrow(zt)zt1 = zt[1: (nr - 2),]zt2 = zt[2:(nr -1),]zt3 = zt[3:nr,]Rohsim = cbind(cor(zt), cor(zt2,zt1), cor(zt3, zt1))"check throung simulation, outcomes differ somehow from the parameters's one if T is small"Rohsim
Quelle
Rmarkdwon版本
Tsay, Ruey S(2014): *Multivariate Time Series Analysis
With R and Financial Applications*, Chapter 2.
阅读全文
0 0
- 平稳VAR模型一
- VAR模型
- ARMA模型的平稳检验及预处理
- 平稳二项随机过程模型的误差
- 时序分析:ARIMA模型(非平稳时间序列)
- 时间序列分析(一) 如何判断序列是否平稳
- 时间序列分析(一) 如何判断序列是否平稳
- [时间序列分析][5]--非平稳时间序列模型与差分
- 平稳数据
- 平稳序列
- var
- VAR
- var
- var
- $!{var}
- SL复习笔记之平稳转型——基础篇(一,XAP和XAML文件)
- 在EasyPlayerPro上实现一键平稳切换视频源的功能
- VaR方法(Value at Risk,简称VaR)[风险价值模型]
- 04java基础之异常,泛型
- es6 多个模块export import
- Pyhton 3 学习笔记 2017.11.18
- 3-7 类的友元函数的应用
- Java中List转换为数组,数组转List
- 平稳VAR模型一
- 写给Android开发者的混淆使用手册
- Codeforces 892B. Wrath
- 面向对象程序设计上机练习八(对象数组)
- 关于做批量重复工作的总结
- 自定义View带箭头的圆环,加速 减速 暂停 变色
- 例题8-5 Gergovia的酒交易(Wine trading in Gergovia, UVa 11054)
- C语言中,开3次方用什么?
- 洛谷P2824:[HEOI2016]排序 (二分答案+线段树)