Проиллюстрировать отношения между simulate и filter путем оценки 4-мерной модели VAR (2) четырех рядов откликов в датском наборе данных Йохансена. Симулируйте один путь откликов, используя подобранную модель и исторические данные в качестве начальных значений, а затем фильтруйте случайный набор Гауссовских нарушений порядка через предполагаемую модель, используя те же ответы прессования.
Загрузите датские экономические данные Йохансена.
load Data_JDanishДля получения дополнительной 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.
Установите то же случайное число, seed и при помощи rng.
Задайте те же данные отклика предварительного образца, используя 'Y0' аргумент пары "имя-значение".
Установите случайный seed по умолчанию. Симулируйте 100 наблюдений путем передачи предполагаемой модели в simulate. В качестве предварительной выборки укажите весь набор данных.
rng default YSim = simulate(EstMdl,100,'Y0',Data);
YSim является матрицей 100 на 4 симулированные отклики. Столбцы соответствуют столбцам переменных в Data.
Установите случайный seed по умолчанию. Симулируйте 4 серии 100 наблюдений из стандартного Гауссова распределения.
rng default
Z = randn(100,4);Пропустите Гауссовы значения через предполагаемую модель. В качестве предварительной выборки укажите весь набор данных.
YFilter = filter(EstMdl,Z,'Y0',Data);YFilter является матрицей 100 на 4 симулированные отклики. Столбцы соответствуют столбцам переменных в данных Data. Перед фильтрацией нарушений порядка filter шкалы Z нижним треугольным фактором Холецкого модели ковариации у EstMdl.Covariance.
Сравните получившиеся отклики 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.