Прогноз условных откликов модели VAR

В этом примере показано, как спрогнозировать отклики, обусловленные текущими значениями других откликов в прогнозном горизонте. Чтобы проиллюстрировать условное прогнозирование, пример моделирует ежеквартальные показатели индекса потребительских цен (ИПЦ) и уровня безработицы как модели VAR (4).

Загрузите Data_USEconModel набор данных.

load Data_USEconModel

Постройте график двух серий на отдельных графиках.

figure;
plot(DataTable.Time,DataTable.CPIAUCSL);
title('Consumer Price Index');
ylabel('Index');
xlabel('Date');

figure;
plot(DataTable.Time,DataTable.UNRATE);
title('Unemployment Rate');
ylabel('Percent');
xlabel('Date');

CPI, по-видимому, растет экспоненциально.

Стабилизируйте ИПЦ путем преобразования его в ряд темпов роста. Синхронизируйте две серии путем удаления первого наблюдения из ряда уровней безработицы. Создайте новый набор данных, содержащий преобразованные переменные.

rcpi = price2ret(DataTable.CPIAUCSL);
unrate = DataTable.UNRATE(2:end);
Data = array2timetable([rcpi unrate],'RowTimes',DataTable.Time(2:end),...
    'VariableNames',{'rcpi','unrate'});

Создайте модель VAR (4) по умолчанию с помощью синтаксиса shorthand.

Mdl = varm(2,4)

Mdl = 
  varm with properties:

     Description: "2-Dimensional VAR(4) Model"
     SeriesNames: "Y1"  "Y2" 
       NumSeries: 2
               P: 4
        Constant: [2×1 vector of NaNs]
              AR: {2×2 matrices of NaNs} at lags [1 2 3 ... and 1 more]
           Trend: [2×1 vector of zeros]
            Beta: [2×0 matrix]
      Covariance: [2×2 matrix of NaNs]

Mdl является varm объект модели. Он служит шаблоном для оценки модели.

Подбор модели к данным.

EstMdl = estimate(Mdl,Data.Variables)

EstMdl = 
  varm with properties:

     Description: "AR-Stationary 2-Dimensional VAR(4) Model"
     SeriesNames: "Y1"  "Y2" 
       NumSeries: 2
               P: 4
        Constant: [0.00171639 0.316255]'
              AR: {2×2 matrices} at lags [1 2 3 ... and 1 more]
           Trend: [2×1 vector of zeros]
            Beta: [2×0 matrix]
      Covariance: [2×2 matrix]

EstMdl является varm объект модели. EstMdl структурно аналогично Mdl, но все параметры известны.

Предположим, что экономист ожидает, что уровень безработицы останется таким же, как и последний наблюдаемый показатель в течение следующих двух лет. Создайте матрицу 8 на 2, в которой первый столбец содержит NaN значения и второй столбец содержат последний наблюдаемый уровень безработицы.

YF = [nan(8,1) repmat(Data.unrate(end),8,1)];

Используя оценочную модель, прогнозируйте путь ежеквартального темпа роста ИПЦ на ближайшие два года. Предположим, что уровень безработицы остается неизменным в течение следующих двух лет. Задайте весь набор данных как предварительные наблюдения и известные значения в прогнозном горизонте.

Y = forecast(EstMdl,8,Data.Variables,'YF',YF)

Y = 8×2

   -0.0076    8.5000
   -0.0136    8.5000
   -0.0009    8.5000
   -0.0051    8.5000
   -0.0050    8.5000
   -0.0007    8.5000
   -0.0009    8.5000
    0.0003    8.5000

Y - массив откликов 8 на 2 пути. Хотя первый столбец содержит условные прогнозы, второй столбец полностью состоит из последнего наблюдаемого уровня безработицы.

С учетом того, что уровень безработицы в ближайшие два года составляет 8,5, темпы роста ИПЦ, как ожидается, сократятся.

См. также

Объекты

• varm

Функции

• forecast | simulate

Похожие темы

• Векторы авторегрессии (VAR)
• Симуляция и анализ модели VAR
• Подгонка модели VAR ИПЦ и уровня безработицы
• Прогнозная модель VAR
• Симулируйте ответы предполагаемой модели VARX
• Пример модели VAR