Показать взаимосвязь между simulate и filter оценивая 4-мерную модель VAR (2) четырех рядов ответов в датском наборе данных Йохансена. Смоделировать одиночный путь откликов с использованием подогнанной модели и исторических данных в качестве начальных значений, а затем отфильтровать случайный набор гауссовых возмущений через оценочную модель с использованием тех же предварительных откликов.
Загрузить датские экономические данные Йохансена.
load Data_JDanishДля получения подробной информации о переменных введите Description.
Создайте модель 4-D VAR (2) по умолчанию .
Mdl = varm(4,2);
Оцените модель VAR (2), используя весь набор данных.
EstMdl = estimate(Mdl,Data);
При воспроизведении результатов simulate и filter, важно предпринять эти действия.
Установить одно и то же начальное число случайных чисел с помощью rng.
Укажите те же данные предварительного примера ответа, используя 'Y0' аргумент пары имя-значение.
Задайте случайное начальное значение по умолчанию. Моделирование 100 наблюдений путем передачи расчетной модели simulate. Укажите весь набор данных как предварительный образец.
rng default YSim = simulate(EstMdl,100,'Y0',Data);
YSim является матрицей смоделированных откликов 100 на 4. Столбцы соответствуют столбцам переменных в Data.
Задайте случайное начальное значение по умолчанию. Смоделировать 4 серии из 100 наблюдений из стандартного гауссова распределения.
rng default
Z = randn(100,4);Фильтрация значений Гаусса по расчетной модели. Укажите весь набор данных как предварительный образец.
YFilter = filter(EstMdl,Z,'Y0',Data);YFilter является матрицей смоделированных откликов 100 на 4. Столбцы соответствуют столбцам переменных в данных Data. Перед фильтрацией возмущений, filter весы Z по нижнему треугольному коэффициенту Холеского модельной ковариации в EstMdl.Covariance.
Сравнение полученных ответов 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.