Сгенерируйте или постройте импульсные характеристики модели ARMA
armairf
функция возвращает или строит функции импульсной характеристики (IRFs) переменных в одномерной или векторной (многомерной) авторегрессивной модели (ARMA) скользящего среднего значения, заданной массивами коэффициентов или полиномов оператора задержки.
В качестве альтернативы можно возвратить IRF из полностью заданный (например, оцененный) объект модели при помощи функции в этой таблице.
IRFs прослеживают эффекты инновационного шока для одной переменной на ответе всех переменных в системе. В отличие от этого разложение отклонения ошибки прогноза (FEVD) предоставляет информацию об относительной важности каждых инноваций во влиянии на все переменные в системе. Чтобы оценить FEVDs одномерных или многомерных моделей ARMA, смотрите armafevd
.
armairf(
графики, в отдельных фигурах, функции импульсной характеристики ar0
,ma0
)numVars
переменные временных рядов, которые составляют ARMA (p, q) модель. Авторегрессивным (AR) и коэффициенты скользящего среднего значения (MA) модели является ar0
и ma0
, соответственно. Каждая фигура содержит numVars
линейные графики, представляющие ответы переменной из применения шока с одним стандартным отклонением, во время 0, ко всем переменным в системе по горизонту прогноза.
armairf
функция:
Принимает векторы или векторы ячейки матриц в обозначении разностного уравнения
Принимает LagOp
изолируйте полиномы оператора, соответствующие AR и полиномам MA в обозначении оператора задержки
Размещает модели временных рядов, которые являются одномерными или многомерными, стационарными или интегрированными, структурными или в уменьшаемой форме, и обратимыми или необратимыми
Принимает, что постоянный c модели 0
armairf(
строит ar0
,ma0
,Name,Value
)numVars
IRFs с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, 'NumObs',10,'Method','generalized'
задает горизонт прогноза с 10 периодами и оценку обобщенного IRF.
armairf(
графики к осям заданы в ax
,___)ax
вместо осей в последних данных. Опция ax
может предшествовать любой из комбинаций входных аргументов в предыдущих синтаксисах.
Чтобы вычислить forecast error impulse responses, используйте значение по умолчанию InnovCov
, который является numVars
- numVars
единичная матрица. В этом случае, все доступные методы расчета (см. Method
) приведите к эквивалентному IRFs.
Размещать структурный ARMA (p, q) модели, LagOp
предоставления изолируйте полиномы оператора для входных параметров
ar0
и ma0
. Задавать структурный коэффициент, когда вы вызываете LagOp
, установите соответствующую задержку на 0 при помощи 'Lags'
аргумент пары "имя-значение".
Поскольку многомерный ортогонализировал IRFs, расположите переменные согласно Wold causal ordering [2]:
Первая переменная (соответствие первой строке и столбцу обоих ar0
и ma0
) скорее всего, окажет мгновенное влияние (t = 0) на всех других переменных.
Вторая переменная (соответствие второй строке и столбцу обоих ar0
и ma0
) скорее всего, окажет мгновенное влияние на остающиеся переменные, но не первую переменную.
В общем случае переменная j (соответствующий строке j и столбец j обоих ar0
и ma0
) наиболее вероятное должно оказать мгновенное влияние на последний numVars
– переменные j, но не предыдущие переменные j - 1.
Если Method
"orthogonalized"
, затем получившийся IRF зависит от порядка переменных в модели временных рядов. Если Method
"generalized"
, затем получившийся IRF является инвариантным к порядку переменных. Поэтому эти два метода обычно приводят к различным результатам.
Если InnovCov
диагональная матрица, затем получившиеся обобщенные и ортогональные IRFs идентичны. В противном случае получившиеся обобщенные и ортогональные IRFs идентичны только, когда первая переменная потрясает все переменные (то есть, все остальное являющееся тем же самым, оба метода дают к тому же Y(:,1,:)
).
[1] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.
[2] Lütkepohl, H. Новое введение в несколько анализ временных рядов. Нью-Йорк, Нью-Йорк: Springer-Verlag, 2007.
[3] Pesaran, H. H. и И. Шин. "Обобщенный Анализ Импульсной характеристики в Линейных Многомерных Моделях". Экономические Буквы. Издание 58, 1998, стр 17–29.