条件均值模型的蒙特卡罗模拟
什么是蒙特卡洛模拟?
蒙特卡罗模拟是从一个特定的概率模型中生成独立的随机图的过程。在模拟时间序列模型时,一个绘制(或实现)是指定长度的整个样本路径N,y1,y2、……yN.例如,当你生成大量的抽奖时米,你生成米样本路径,每个长度N.
请注意
蒙特卡罗模拟的一些扩展依赖于生成相关的随机绘图,如马尔可夫链蒙特卡罗(MCMC)。的模拟
功能在计量经济学工具箱™生成独立的实现。
蒙特卡罗模拟的一些应用有:
理论结果论证
预测未来事件
估计未来事件发生的概率
生成蒙特卡罗样本路径
条件均值模型通过条件均值结构指定了过程随时间的动态演化。对条件均值模型进行蒙特卡罗模拟:
指定预采样数据(或使用默认的预采样数据)。
从指定的创新分布生成一个不相关的创新系列。
通过递归应用指定的AR和MA多项式算子生成响应。AR多项式算子可以包括差分。
例如,考虑一个AR(2)过程,
给定样本响应y0而且y1,以及模拟创新 流程的实现是递归生成的:
对于MA(12)过程,例如,
您需要12个预采样创新来初始化模拟。默认情况下,模拟
将presample创新设置为零。剩下的N创新是从创新过程中随机抽取的。
蒙特卡罗误差
使用许多模拟路径,您可以估计模型的各种特征。然而,蒙特卡洛估计是基于有限数量的模拟。因此,蒙特卡洛估计有一定的误差。你可以通过增加样本路径的数量来减少模拟研究中的蒙特卡罗误差,米,您从您的模型生成。
例如,要估计未来事件的概率:
生成米从模型中采样路径。
利用事件发生的样本占比来估计未来事件发生的概率米模拟,
计算估计的蒙特卡罗标准误差,
你可以通过增加实现的数量来减少概率估计的蒙特卡洛误差。如果您知道您的估计的期望精度,您就可以求解出实现该精度级别所需的实现的数量。