Проиллюстрируйте отношение между simulate и filter путем оценки 4-мерной модели VAR (2) четырех рядов ответа в датском наборе данных Йохансена. Моделируйте один путь ответов с помощью подобранной модели и исторических данных как начальные значения, и затем пропустите случайный набор Гауссовых воздействий через предполагаемую модель с помощью тех же преддемонстрационных ответов.
Загрузите датские экономические данные Йохансена.
load Data_JDanishДля получения дополнительной информации на переменных, введите Description.
Создайте значение по умолчанию 4-D модель VAR (2).
Mdl = varm(4,2);
Оцените модель VAR (2) с помощью целого набора данных.
EstMdl = estimate(Mdl,Data);
При репродуцировании результатов simulate и filter, важно принять эти меры.
Установите тот же seed случайных чисел с помощью rng.
Задайте те же преддемонстрационные данные об ответе с помощью аргумента пары "имя-значение" 'Y0'.
Установите случайный seed по умолчанию. Моделируйте 100 наблюдений путем передачи предполагаемой модели simulate. Задайте целый набор данных как предварительную выборку.
rng default YSim = simulate(EstMdl,100,'Y0',Data);
YSim 100 4 матрица моделируемых ответов. Столбцы соответствуют столбцам переменных в Data.
Установите случайный seed по умолчанию. Моделируйте 4 ряда 100 наблюдений от стандартного Распределения Гаусса.
rng default
Z = randn(100,4);Пропустите Гауссовы значения через предполагаемую модель. Задайте целый набор данных как предварительную выборку.
YFilter = filter(EstMdl,Z,'Y0',Data);YFilter 100 4 матрица моделируемых ответов. Столбцы соответствуют столбцам переменных в данных Data. Прежде, чем отфильтровать воздействия, filter масштабирует Z нижним треугольным Фактором Холесского образцовой ковариации в EstMdl.Covariance.
Сравните получившиеся ответы между filter и simulate.
(YSim - YFilter)'*(YSim - YFilter)
ans = 4×4
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
Результаты идентичны.