exponenta event banner

Постройте график функции импульсной характеристики модели условного среднего

В этом разделе представлено несколько примеров, показывающих, как построить график и вернуть функцию импульсной характеристики (IRF) одномерных авторегрессионных моделей скользящего среднего (ARMA). Примеры также показывают, как взаимодействовать с графиками.

Функции Toolbox™ эконометрики impulse и armairf используйте тот же метод для вычисления IRF одномерной условной средней модели по умолчанию. Однако функции имеют различия, как описано в этой таблице.

ФункцияОписаниеТребуемые входные данныеПримечания
impulseГрафик (вычисляет) IRF модели ARIMA, указанной arima объект моделиПолностью указано arima объект модели, например, модель, возвращенная estimate

  • Применяет ударный удар по единице измерения в момент времени 0 (α0 = 1)

  • Строит график стебля

  • Хорошо подходит для arima рабочие процессы объектов модели, особенно сезонные или интегрированные модели

armairfСтроит графики (вычисляет) IRF модели ARIMA, определяемой полиномами общих операторов задержки AR и MAМассивы, содержащие полиномиальные коэффициенты оператора общей задержки AR и MA, или LagOp полиномиальные объекты оператора задержки, представляющие общие компоненты AR и MA

  • Применяет шок с одним стандартным отклонением в момент времени 0 (α0 = λ)

  • График временных рядов

  • Хорошо подходит для манипуляций с графиком

  • Поддержка многомерных линейных моделей временных рядов

IRF модели скользящего среднего

В этом примере показано, как построить график и вернуть IRF чистой модели MA с помощью impulse и armairf. В примере также показано, как изменить цвет выводимых на печать IRF.

Уравнение для модели MA (q)

yt = start+ (L) αt,

где start( L) - многочлен оператора запаздывания q-градуса MA, (1 + θ1L +... + startqLq).

IRF для модели MA - последовательность коэффициентов МА 1, θ1..., θq .

Печать IRF с использованием impulse

Создайте модель MA (3) с нулевым средним значением с коэффициентами 0,8 1, 0,5 2 и -0,1 и дисперсией инноваций 1.

ma = [0.8 0.5 -0.1];
Mdl = arima('Constant',0,'MA',ma,'Variance',1);

Mdl является полностью указанным arima объект модели, представляющий модель MA (3).

Постройте график IRF модели MA (3).

impulse(Mdl)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

impulse возвращает штрих-график, содержащий 1 в периоде 0, за которым следуют значения коэффициентов МА на их лагах.

Для модели MA функция импульсной характеристики останавливается после q периодов. В этом примере последний ненулевой коэффициент находится на запаздывании q = 3.

Возврат IRF путем вызова impulse и задание выходного аргумента.

periods = (0:3)';
dm = impulse(Mdl);
IRF = table(periods,dm)
IRF=4×2 table
    periods     dm 
    _______    ____

       0          1
       1        0.8
       2        0.5
       3       -0.1

Чтобы изменить аспекты графика основы, необходимо задать значения его свойств. Ручка графика штока находится в Children свойство дескриптора осей печати.

Извлеките ручку графика штока из текущей ручки осей.

h = gca;
hstem = h.Children;

Измените цвет основного графика на красный, используя значение цвета RGB.

hstem.Color = [1 0 0]; 

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

Печать IRF с использованием armairf

Постройте график IRF модели MA (3) путем передачиma в качестве коэффициентов МА (второй вход). Укажите пустой массив для коэффициентов полинома AR (первый вход). Возврат IRF и дескриптора графика.

[dm,h] = armairf([],ma);

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

table(periods,dm)
ans=4×2 table
    periods     dm 
    _______    ____

       0          1
       1        0.8
       2        0.5
       3       -0.1

В отличие от этого, impulse, armairf возвращает график временных рядов.

Измените цвет линии печати на красный.

h.Color = [1 0 0];

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

IRF авторегрессивной модели

В этом примере показан график IRF модели AR с использованием impulse и armairf. Кроме того, в примере показано, как изменения дисперсии инноваций влияют на IRF.

Уравнение модели AR (p)

yt = c +

где start( L) - полином оператора p-градусного AR-запаздывания (1-start1L-... -δpLp ).

Процесс AR неподвижен, когда многочлен оператора AR lag стабилен, что означает, что все его корни лежат вне единичной окружности. В этом случае, обратный многочлен бесконечной степени (L) = (L) -1 имеет абсолютно суммируемые коэффициенты, и IRF распадается до нуля.

Печать IRF с использованием impulse

Создайте модель AR (2) с коэффициентами/1 = 0,5 и/или/2 = -0,75, константой модели 0,5 и дисперсией инноваций 1.

ar = [0.5 -0.75];
Mdl = arima('Constant',0.5,'AR',ar,'Variance',1);

Постройте график IRF модели AR (2) для 31 периода из периодов от 0 до 30.

numObs = 31;
impulse(Mdl,numObs)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

IRF распадается по синусоидальной схеме.

Увеличьте постоянную до 100, а затем постройте график IRF скорректированной модели AR (2).

Mdl.Constant = 100;
impulse(Mdl,numObs)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

Поскольку детерминированные компоненты не присутствуют в IRF, на них не влияет повышенная постоянная.

Уменьшение дисперсии инноваций до 1e-5, а затем постройте график IRF скорректированной модели AR (2).

Mdl.Variance = 1e-5;
impulse(Mdl,numObs)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

Поскольку impulse всегда применяет единичный шок к инновациям системы, IRF не затрагивается уменьшенной дисперсией инноваций.

Печать IRF с использованием armairf

Постройте график IRF исходной модели AR (2) путем передачиar в качестве коэффициентов AR (первый вход). Укажите пустой массив для коэффициентов полинома МА (второй вход). Укажите 31 период.

armairf(ar,[],'NumObs',numObs)

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

Постройте график IRF, определяющий инновационную дисперсию 1e-5.

armairf(ar,[],'NumObs',numObs,'InnovCov',1e-5);

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

Поскольку armairf применяет инновационный шок с одним стандартным отклонением к системе, масштаб IRF в этом случае меньше.

IRF модели ARMA

В этом примере показан график IRF модели ARMA с использованием impulse и armairf.

Уравнение модели ARMA (p, q)

yt = c +

где:

  • (L) - полином оператора p-градусного AR-запаздывания (1-start1L-... -startpLp).

  • (L) - многочлен оператора запаздывания q-градуса MA (1 + θ1L +... + λ qLq).

Процесс ARMA неподвижен, когда многочлен оператора AR-запаздывания стабилен, что означает, что все его корни лежат вне единичной окружности. В этом случае, обратный многочлен бесконечной степени (L) = (L) -1 (L) имеет абсолютно суммируемые коэффициенты, и IRF распадается до нуля.

Печать IRF с использованием impluse

Создайте модель ARMA (2,1) с коэффициентами/1 = 0,6 ,/2 = -0,3 и/или/1 = 0,4, константой модели 0 и дисперсией инноваций 1.

ar = [0.6 -0.3];
ma = 0.4;
Mdl = arima('AR',ar,'MA',ma,'Constant',0,'Variance',1);

Постройте график IRF модели ARMA (2,1) для 11 периодов из периодов от 0 до 10.

numObs = 11;
impulse(Mdl,numObs)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

IRF распадается по синусоидальной схеме.

Печать IRF с использованием armairf

Постройте график IRF модели ARMA (2,1) путем прохожденияar в качестве коэффициентов AR (первый вход) и ma в качестве коэффициентов МА (второй вход). Укажите 11 периодов.

armairf(ar,ma,'NumObs',numObs)

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

IRF сезонной модели AR

В этом примере показан график и возврат IRF сезонной модели AR с использованием impulse и armairf. Также в примере показано, как подготовиться LagOp многочлены оператора запаздывания как входы в armairf.

Уравнение модели SAR (p, 0,0) × (ps, 0,0) s равно

yt = c + Start( L) -1,

где:

  • (L) - полиномиальный 1-ϕ1L-...-ϕpLp оператора p-градусного AR-запаздывания.

  • Λ (L) - полином оператора сезонного AR-запаздывания пс-градуса 1-Φp1Lp1-...-ΦpsLps.

Подобно чистому процессу AR, процесс SAR является стационарным, когда продукт (L) (L) является стабильным. В этом случае у полиномиала инверсии бесконечной степени ψ (L) = Φ (L)-1ϕ (L)-1 есть абсолютно summable коэффициенты и распады IRF к нолю.

Печать IRF с использованием impulse

Создайте квартальную модель SAR (1,0,0) × (4,0,0) 4 с коэффициентами/1 = 0,5 и/или/или -0,4, константой модели 0 и дисперсией инноваций 1.

ar = 0.5;
sar = -0.4;
sarlags = 4;
Mdl = arima('AR',ar,'SAR',sar,'SARLags',sarlags,...
    'Constant',0,'Variance',1)
Mdl = 
  arima with properties:

     Description: "ARIMA(1,0,0) Model with Seasonal AR(4) (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 5
               D: 0
               Q: 0
        Constant: 0
              AR: {0.5} at lag [1]
             SAR: {-0.4} at lag [4]
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: 1

Постройте график IRF модели SAR для 17 кварталов, от кварталов 0 до 16.

numObs = 17;
impulse(Mdl,numObs)

Figure contains an axes. The axes with title Impulse Response contains an object of type stem.

IRF распадается по синусоидальной схеме.

Верните IRF.

irfIMPULSE = impulse(Mdl,numObs);

Печать IRF с использованием armirf

armairf принимает один общий полином AR. Поэтому перед вызовом необходимо умножить все многочлены оператора AR и разностного запаздывания, присутствующие в модели. armairf.

Создайте многочлены оператора задержки для многочленов AR и SAR. Для каждого многочлена:

  • Включить член запаздывания 0, который имеет коэффициент 1.

  • Сведите на нет коэффициенты для выражения многочленов в нотации оператора запаздывания со всеми многочленами AR в левой части уравнения.

ARLOP = LagOp([1 -ar],'Lags',[0 1])
ARLOP = 
    1-D Lag Operator Polynomial:
    -----------------------------
        Coefficients: [1 -0.5]
                Lags: [0 1]
              Degree: 1
           Dimension: 1
MALOP = LagOp([1 -sar],'Lags',[0 sarlags])
MALOP = 
    1-D Lag Operator Polynomial:
    -----------------------------
        Coefficients: [1 0.4]
                Lags: [0 4]
              Degree: 4
           Dimension: 1

Умножьте многочлены.

ARProdLOP = ARLOP*MALOP
ARProdLOP = 
    1-D Lag Operator Polynomial:
    -----------------------------
        Coefficients: [1 -0.5 0.4 -0.2]
                Lags: [0 1 4 5]
              Degree: 5
           Dimension: 1

ARProdLOP является LagOp объект, представляющий произведение многочленов AR и SAR модели SAR.

Постройте график и верните IRF проходом ARProdLOP как многочлен AR (первый вход). Укажите пустой массив для многочлена MA (второй вход). Для построения IRF также верните дескриптор графика.

[irfARMAIRF,h] = armairf(ARProdLOP,[],'NumObs',numObs);

Figure contains an axes. The axes with title Orthogonalized IRF of Variable 1 contains an object of type line.

Сравните IRF.

periods = (0:(numObs - 1))';
table(periods,irfIMPULSE,irfARMAIRF)
ans=17×3 table
    periods    irfIMPULSE    irfARMAIRF
    _______    __________    __________

       0                1             1
       1              0.5           0.5
       2             0.25          0.25
       3            0.125         0.125
       4          -0.3375       -0.3375
       5         -0.16875      -0.16875
       6        -0.084375     -0.084375
       7        -0.042188     -0.042188
       8          0.13891       0.13891
       9         0.069453      0.069453
      10         0.034727      0.034727
      11         0.017363      0.017363
      12        -0.055318     -0.055318
      13        -0.027659     -0.027659
      14         -0.01383      -0.01383
      15       -0.0069148    -0.0069148
      ⋮

IRF, возвращенные двумя функциями, являются эквивалентными.

Подробнее о функции импульсной характеристики

Рассмотрим общую линейную модель одномерного временного ряда yt

a (L) yt = c + xtβ + b (L) αt,

где:

  • {αt} - последовательность некоррелированных, идентично распределённых случайных величин со стандартным отклонением λ.

  • a (L) - многочлен оператора задержки AR.

  • c - константа модели.

  • xtβ - экзогенный регрессионный компонент. xt - вектор строки наблюдений экзогенных переменных в момент времени t, а β - соответствующий вектор-столбец коэффициентов регрессии.

  • b (L) - многочлен оператора запаздывания МА.

Предполагая, что (L) ненулевое, краткое представление модели равно

yt = mt +

где:

  • ψ (L) =a (L) −1b (L) - ψ0 +ψ1L +ψ2L2 полиномиала оператора задержки МА бесконечной степени +... со скалярными коэффициентами/j, j = 0,1,2,... и λ 0 = 1.

  • mt - детерминированное, свободное от инноваций условное среднее значение процесса в момент времени t.

Функция импульсной характеристики (IRF) - это динамическая реакция системы на один импульс (инновационный шок). IRF измеряет изменение периодов j ответа в будущем из-за изменения нововведения в момент t, для j = 0,1,2,.... Символически IRF в периоде j

∂yt+j∂εt=ψj.

Последовательность динамических множителей [1], (0), (1), (2), (...) измеряет чувствительность процесса к чисто переходному изменению инновационного процесса, при этом прошлые реакции и будущие инновации устанавливаются на 0. Поскольку частная производная берется по отношению к нововведению, наличие детерминированных терминов в модели, таких как константа и экзогенная регрессионная составляющая, не оказывает влияния на импульсные реакции.

Свойства IRF определяют характеристики процесса:

  • Если последовательность является абсолютно суммируемой, yt является ковариационно-стационарным стохастическим процессом [2]. Для стационарного стохастического процесса воздействие на процесс вследствие изменения δ t не является постоянным, а эффект импульса распадается до нуля.

  • В противном случае процесс yt является нестационарным, и на процесс постоянно влияет изменение αt.

Поскольку инновации могут быть интерпретированы как ошибки прогноза на один шаг вперед, импульсная характеристика также известна как импульсная характеристика ошибки прогноза.

Ссылки

[1] Гамильтон, Джеймс Д. Анализ временных рядов. Принстон, Нью-Джерси: Princeton University Press, 1994.

[2] Wold, H. Исследование в анализе стационарных временных рядов. Уппсала, Швеция: Almqvist & Wiksell, 1938.

См. также

Объекты

Функции

Связанные темы