VAR模型学习笔记
2024-08-24 05:50:28
1 定义
VAR模型除了分析自身滞后项的影响外,还分析其他相关因素的滞后项对未来值产生的影响参考
用来分析随机扰动对系统的动态冲击的大小,正负以及持续时间
VAR模型的具体步骤
- 1.先检验序列的平稳性,看序列是否平稳,或者一阶单整,或者更高阶;
- 2.根据AIC SBC等准则选择Var模型的滞后阶数;
- 3.看VAR模型根是否在单位圆内,在可继续后续分析;
- 4.若同阶单整,则进行协整检验,看变量之间有没有协整关系;
- 5.granger因果检验,看俩俩变量有没有相关关系,并不能证明有因果关系;
- 6.脉冲响应,看变量对外界冲击的反馈;
- 7.方差分解…
var主要目的不是回归系数,是为了方差分解和脉冲响应分析
参考VAR模型也叫向量自回归模型,简单的来说就是刻画向量之间的数量关系①能进行回归,前提是平稳数据,②回归发生在向量之间,那么向量之间要存在一定的关系,统计上的因果关系,因此就需要进行格兰杰因果关系检验,检验的前提也是平稳的时间序列③因此要最先进行平稳性检验。
总结一下就是: - 平稳性检验
- 格兰杰因果检验
进行VAR
1.1 平稳性检验
- 通过单位根检验是平稳数据,则继续进行格兰杰因果检验
不是平稳数据,则要进行平稳化处理,取对数或者差分
1.2 格兰杰检验
进行格兰杰因果检验的时候要判定滞后阶数
1.3 VAR模型的公式
\[
y_{t}=\beta_{1} \cdot y_{t-1}+\alpha_{1} \cdot x_{t-1}+\beta_{2} \cdot y_{t-2}+\alpha_{2} \cdot x_{t-2}+\ldots
\]
或者下面这个矩阵定义式是一样的
第一一个P阶VAR模型VAR(P)
\[
Y_{t}=\sum_{i=1}^{p} \Pi_{i} Y_{t-i}+U_{t}=\Pi_{1} Y_{t-1}+\Pi_{2} Y_{t-2}+\quad+\Pi_{p} Y_{t-p}+U_{t}
\]
\(Y_t=(y_1t,y_2t...y_Nt)\)是N1阶时间序列变量,\(\Pi_{i}(i=1,2, \quad, p)\)是第i个待估参数的的NN矩阵,\(U_{t}=\left(u_{1 t} \mathbf{u}_{2 t} \quad\mathbf{u}_{N t}\right)^{T}\)是N*1阶随机误差向量列。p是模型的滞后阶数。
VAR模型是由单变量的AR模型推广到多变量的组成的向量自回归模型的1.4 建立VAR模型的目的
- 预测,可以用于长期预测
脉冲响应分析和方差分解,用于变量间动态结构的分析
reference
后面补充公式模型
还有python代码
建模步骤及公式
代码实现
利用Python中的numpy和pandas包做时间序列,我是第一次做
最新文章
- Daily Scrum Meeting ——ZeroDay(Beta)12.08
- Android 卡片计数器
- wireshark过滤语法总结
- java攻城狮之路(Android篇)--BroadcastReceiver&;Service
- 腾讯微博数据抓取(java实现)
- CSS 阴影怎么写?
- Quartz的任务的临时启动和暂停和恢复
- 【原创】OllyDBG 入门系列(一)-认识OllyDBG
- [Angular 2] Handling Click Events with Subjects
- [SASS] Make a responsive arrow box
- Delphi 常用API 函数(好多都没见过)
- Libgdx环境搭建及介绍
- Linux下的IO监控与分析
- Java之FilenameFilter接口
- Mybatis延迟加载和查询缓存
- MySQL casting from decimal to string(mysql decimal 转 varchar)
- Eureka自我保护模式——难点重点
- Springboot 使用 RestTemplate
- Nginx 浏览器打开是下载状态
- js 时间日期函数小结