Проиллюстрируйте отношение между simulate
и filter
путем оценки 4-мерной модели VAR (2) четырех рядов ответа в датском наборе данных Йохансена. Симулируйте 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_JDanish
Для 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 'Y0'
аргумент пары "имя-значение".
Установите случайный seed по умолчанию. Симулируйте 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 симулированных ответов. Столбцы соответствуют столбцам переменных в Data
.
Установите случайный seed по умолчанию. Симулируйте 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 симулированных ответов. Столбцы соответствуют столбцам переменных в данных Data
. Прежде, чем отфильтровать воздействия, filter
шкалы Z
нижним треугольным Фактором Холесского ковариации модели 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.