fevd

生成预测误差方差分解(FEVD)的状态空间模型

语法

分解= fevd (Mdl)

分解= fevd (Mdl、名称、值)

分解= fevd (<年代pan class="argument_placeholder">___、“参数”estParams)

(分解、降低上部)= fevd (<年代pan class="argument_placeholder">___“参数”,estParams EstParamCov, EstParamCov)

描述

的fevd函数的作用是:返回预测误差方差分解(FEVD)归因于特定组件的状态空间模型的测量变量冲击每个州干扰。FEVD提供了每个州的相对重要性的信息干扰预测误差方差的影响系统中所有测量变量。其他工具来描述指定的动态状态空间模型系统包括以下:

脉冲响应函数(IRF)计算irf和策划irfplot痕迹的影响冲击,干扰的状态和测量变量的系统。
Model-implied时间相关性,计算相关系数状态空间模型为标准,测量电流之间的关系和滞后状态或测量变量,模型的形式规定的。

状态空间模型完全指定的

例子

分解= fevd (Mdl)返回FEVD每个测量的变量分解状态空间模型的完全指定Mdl。

例子

分解= fevd (Mdl,名称,值)使用附加选项指定一个或多个名称参数。例如,“NumPeriods”, 10指定FEVD估算时间1到10。

状态空间模型部分指定和置信区间估计

例子

分解= fevd (<年代pan class="argument_placeholder">___,“参数”estParams)返回所有的FEVD测量变量状态空间模型指定的部分Mdl。estParams指定所有模型中的未知参数的估计,使用任何输入参数组合在前面的语法。

例子

(分解,较低的,上)= fevd (<年代pan class="argument_placeholder">___,“参数”estParams,“EstParamCov”EstParamCov)还返回上下95%蒙特卡罗信心较低的和上FEVD每个测量的变量。EstParamCov指定参数的估计协方差矩阵估计,返回的估计区间估计函数,需要信心。

例子

全部折叠

FEVD测量变量

打开生活的脚本

计算model-implied FEVD两个状态方程模型:一个测量误差和测量误差。

没有测量误差模型

显式地创建没有测量误差状态空间模型

$\begin{array}{llllllllllllllllllll} x_{1, t} = x_{1, t - - - - - - 1} + 0 。 2 u_{1, t} \\ x_{2, t} = x_{1, t - - - - - - 1} + 0 。 3 x_{2, t - - - - - - 1} + u_{2, t} \\ y_{1, t} = x_{1, t} \\ y_{2, t} = x_{1, t} + x_{2, t} 。 \end{array}$

(1 = 0;1 0.3);[0.2 B = 0;0 1];C = [1 0;1 1];Mdl1 =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”(2 - 2))

Mdl1 =类型:状态空间模型的地对地导弹状态向量与长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) y2 (t) = x1 (t) + x2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1 1 e + 7 0 x2 0 1 e + 07状态类型(x1, x2)扩散扩散

Mdl1是一个舰导弹模型对象。因为所有参数已知值,指定的对象是完全。

计算20-period FEVD测量的变量。

Decomposition1 = fevd (Mdl1);大小(Decomposition1)

ans =<年代pan class="emphasis">1×320 2 2

分解是代表20-period 20-by-2-by-2数组FEVD的两个测量变量。显示分解(5、1、2)。

Decomposition1 (5、1、2)

ans = 0.4429

在这种情况下,44.29%的波动<年代pan class="inlineequation"> $y_{2, t}$ 是由于应用于冲击<年代pan class="inlineequation"> $u_{1, t - - - - - - 5}$ 。

情节的FEVD<年代pan class="inlineequation"> $y_{2, t}$ 为每个状态扰动。

栏(Decomposition1 (:,:, 2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)

$图包含一个坐标轴对象。坐标轴对象包含2杆类型的对象。这些对象代表u_ {1, t}美元,美元u_ {2, t} $。$

因为是免费的状态空间模型的测量误差(<年代pan class="inlineequation"> $D$ = 0),每个时期的方差分解总和为1。波动归因于<年代pan class="inlineequation"> $u_{1, t}$ 增加与每个时期。

模型与测量误差

显式地创建状态方程模型

$\begin{array}{llllllllllllllllllll} x_{1, t} = x_{1, t - - - - - - 1} + 0 。 2 u_{1, t} \\ x_{2, t} = x_{1, t - - - - - - 1} + 0 。 3 x_{2, t - - - - - - 1} + u_{2, t} \\ y_{1, t} = x_{1, t} + ε_{1, t} \\ y_{2, t} = x_{1, t} + x_{2, t} + ε_{2, t} 。 \end{array}$

D =眼(2);Mdl2 =舰导弹(A, B, C, D,<年代pan style="color:#A020F0">“StateType”(2 - 2))

类型:状态空间模型Mdl2 = ssm状态向量长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:2样本大小由模型:无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) + e1 (t) y2 (t) = x1 (t) + x2 (t) + e2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1 1 e + 7 0 x2 0 1 e + 07状态类型(x1, x2)扩散扩散

计算20-period FEVD测量的变量。

Decomposition2 = fevd (Mdl2);

情节的FEVD<年代pan class="inlineequation"> $y_{2, t}$ 为每个状态扰动。

栏(Decomposition2 (:,:, 2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)

$图包含一个坐标轴对象。坐标轴对象包含2杆类型的对象。这些对象代表u_ {1, t}美元,美元u_ {2, t} $。$

因为模型包含测量误差方差比例不总和为1每个时期。

指定数量的时期

打开生活的脚本

显式地创建多变量状态空间模型扩散

(1 = 0;1 0.3);[0.2 B = 0;0 1];C = [1 0;1 1];Mdl = dssm (A, B, C,<年代pan style="color:#A020F0">“StateType”(2 - 2))

Mdl =类型:状态空间模型dssm状态向量长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) y2 (t) = x1 (t) + x2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1正0 x2 0 x1 Inf状态类型扩散扩散

Mdl是一个dssm模型对象。

计算50-period FEVD测量的变量。

分解= fevd (Mdl,<年代pan style="color:#A020F0">“NumPeriods”,50);大小(分解)

ans =<年代pan class="emphasis">1×350 2 2

情节的FEVD<年代pan class="inlineequation"> $y_{2, t}$ 为每个状态扰动。

栏(分解(:,:,2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)

$图包含一个坐标轴对象。坐标轴对象包含2杆类型的对象。这些对象代表u_ {1, t}美元,美元u_ {2, t} $。$

的贡献<年代pan class="inlineequation"> $u_{1, t}$ 的波动<年代pan class="inlineequation"> $y_{2, t}$ 接近90%。

FEVD估计模型

打开生活的脚本

从已知的模型,模拟数据符合状态空间模型数据,然后估计FEVD测量的变量。

考虑时间序列分解<年代pan class="inlineequation"> $y_{t} = τ_{t} + c_{t}$ ,在那里<年代pan class="inlineequation"> $τ_{t}$ 是一个随机游走,漂移代表趋势组件,然后呢<年代pan class="inlineequation"> $c_{t}$ 是代表循环的AR(1)模型组件。

$\begin{array}{l} τ_{t} = 3 + τ_{t - - - - - - 1} + u_{1, t} \\ c_{t} = 0 。 5 c_{t - - - - - - 1} + 2 u_{2, t} 。 \end{array}$

模型的状态空间表示法

$\begin{array}{l} x_{t} = (\begin{array}{cccccccccccccccccccc} τ_{t} \\ d_{t} \\ c_{t} \end{array}] = (\begin{array}{cccccccccccccccccccc} 1 & 3 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 0 。 5 \end{array}] (\begin{array}{cccccccccccccccccccc} τ_{t - - - - - - 1} \\ d_{t - - - - - - 1} \\ c_{t - - - - - - 1} \end{array}] + (\begin{array}{cccccccccccccccccccc} 1 & 0 \\ 0 & 0 \\ 0 & 2 \end{array}] (\begin{array}{cccccccccccccccccccc} u_{1, t} \\ u_{2, t} \end{array}] \\ y_{t} = (\begin{array}{cccccccccccccccccccc} 1 & 0 & 1 \end{array}] x_{t}, \end{array}$

在哪里<年代pan class="inlineequation"> $d_{t}$ 是一个虚拟的状态代表漂移参数,这是1吗<年代pan class="inlineequation"> $t$ 。

从真正的模型模拟500年观测。

rng (1);<年代pan style="color:#228B22">%的再现性ADGP = [1 3 0;0 1 0;0 0 0.5];BDGP = [1 0;0 0;0 2];CDGP = (1 0 1);文章=舰导弹(ADGP BDGP CDGP,<年代pan style="color:#A020F0">“StateType”,(2 1 0));y =模拟(文章,500);

假设漂移常数、扰动方差和AR系数是未知的。显式地创建一个模板估计状态空间模型,代表了模型通过替换模型中的未知参数南。

一个=[1南0;0 1 0;0 0南];B =[南0;0 0;0 NaN);C = CDGP;Mdl =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”,(2 1 0));

模型模板数据。指定一组积极、随机标准高斯开始四个模型参数的值。返回参数的估计模型和向量估计。

[EstMdl, estParams] =估计(Mdl y abs (randn (4,1)),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”)

EstMdl =类型:状态空间模型的地对地导弹状态向量与长度:3观测向量长度:1状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (2.91) x2 (t - 1) + (0.92) u1 (t) x2 (t) = x2 (t - 1) x3 (t) = (0.52) x3 (t - 1) + (2.13) u2 (t)观测方程:日元(t) = x1 (t) + x3 (t)初始状态分布:初始状态意味着(x1, x2) x3 0 1 0 x1初始状态协方差矩阵x3 x1 1.00 e + 7 0 0 x2 0 0 0 x3 0 0 6.20类型(x1, x2) x3扩散常数静止状态

estParams =<年代pan class="emphasis">4×12.9115 0.5189 0.9200 2.1278

EstMdl是一个完全指定的舰导弹模型对象。模型估计接近真实值。

计算和情节的FEVD测量变量。指定模型模板Mdl向量的估计参数estParams。

分解= fevd (Mdl,<年代pan style="color:#A020F0">“参数”,estParams);栏(分解,<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)

$图包含一个坐标轴对象。坐标轴对象包含2杆类型的对象。这些对象代表u_ {1, t}美元,美元u_ {2, t} $。$

噪声的周期性分量占主导地位的测量变量的波动在低滞后,随着贡献从趋势组件噪声随着延迟的增加。

时变FEVD

打开生活的脚本

从一个状态空间模型时变模拟数据,适合的模型数据,然后估计时变FEVD测量的变量。

$\begin{array}{l} τ_{t} = 1 + τ_{t - - - - - - 1} + u_{1, t} \\ c_{t} = {\begin{array}{cccccccccccccccccccc} 0 。 5 c_{t} + 2 u_{2, t}; & t < 26 \\ - - - - - - 0 。 2 c_{t} + 0 。 5 u_{2, t}; & t \geq 26 \end{array} 。 \end{array}$

这个函数timeVariantTrendCycleParamMap.m,存储在高钙/ /经济学/主要例子指定模型结构。高钙的值是matlabroot。

类型<年代pan style="color:#A020F0">timeVariantTrendCycleParamMap.m

% 2021年版权MathWorks公司函数[A, B, C, D, Mean0 Cov0, StateType] = timeVariantTrendCycleParamMap (params) %时变参数状态空间模型映射函数的例子。%函数映射向量参数状态方程矩阵(A, B, C, % D)。测量方程是一系列时间分解为趋势和%周期性组件,与结构打破在循环期间% 26。% %组件的趋势是tau_t =漂移+ tau_ {t - 1} + s_1u1_t。% %的周期性组件:% * c_t = phi_1 * c_ {t - 1} + s_2 * u2_t;t = 1到25% * c_t = phi_2 * c_ {t - 1} + s_3 * u2_t;t = 11到26。% % y_t = tau_t + c_t测量方程。A1 = {[1 params (1) 0;0 1 0;0 0 params (2)]}; A2 = {[1 params(1) 0; 0 1 0; 0 0 params(3)]}; varu1 = exp(params(4)); % Positive variance constraints varu21 = exp(params(5)); varu22 = exp(params(6)); B1 = {[sqrt(varu1) 0; 0 0; 0 sqrt(varu21)]}; B2 = {[sqrt(varu1) 0; 0 0; 0 sqrt(varu22)]}; C = [1 0 1]; D = 0; sc = 25; A = [repmat(A1,sc,1); repmat(A2,sc,1)]; B = [repmat(B1,sc,1); repmat(B2,sc,1)]; Mean0 = []; Cov0 = []; StateType = [2 1 0]; end

隐式地创建一个部分指定代表数据生成过程的状态空间模型(文章)。

ParamMap = @timeVariantTrendCycleParamMap;文章=舰导弹(ParamMap);

从文章模拟50观测。因为文章部分指定,通过真正的参数值吗模拟通过使用“参数”名称-值参数。

rng (5)<年代pan style="color:#228B22">%的再现性trueParams =[1 0.5 - -0.2 2 *日志日志(2)(1)2 * 2 *日志(0.5)];<年代pan style="color:#228B22">%转换为参数方差的地图现年50岁的y =模拟(文章<年代pan style="color:#A020F0">“参数”,trueParams);

y是一个50-by-1向量的模拟测量吗<年代pan class="inlineequation"> $y_{t}$ 从文章。

因为文章是部分指定,隐式模型对象,它的参数是未知的。因此,它可以作为一个模型估计的模板。

符合模型的模拟数据。指定标准高斯随机初始参数值,和关闭评估显示。返回的参数估计。

[~,estParams] =估计(文章,y, randn (1,6),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”)

estParams =<年代pan class="emphasis">1×60.8510 0.0118 0.6309 -0.3227 1.3778 -0.2200

estParams是一个1-by-6向量的参数估计。输出参数映射函数的参数列表确定估计的顺序。

通过提供估计的FEVD测量变量文章(不估计模型)和估计的参数使用“参数”名称-值参数。

分解= fevd(文章,<年代pan style="color:#A020F0">“参数”estParams,<年代pan style="color:#A020F0">“NumPeriods”,50);栏(分解,<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)

$图包含一个坐标轴对象。坐标轴对象包含2杆类型的对象。这些对象代表u_ {1, t}美元,美元u_ {2, t} $。$

期26 FEVD跳跃,当结构发生破坏。

估计FEVD信心界限

打开生活的脚本

从已知的模型,模拟数据符合状态空间模型数据,然后估计测量变量的FEVD蒙特卡罗置信界限为90%。

$\begin{array}{l} τ_{t} = 3 + τ_{t - - - - - - 1} + u_{1, t} \\ c_{t} = 0 。 5 c_{t - - - - - - 1} + 2 u_{2, t} 。 \end{array}$

模型的状态空间表示法

在哪里<年代pan class="inlineequation"> $d_{t}$ 是一个虚拟的状态代表漂移参数,这是1吗<年代pan class="emphasis">t。

从真正的模型模拟500年观测。

rng (1);<年代pan style="color:#228B22">%的再现性ADGP = [1 3 0;0 1 0;0 0 0.5];BDGP = [1 0;0 0;0 2];CDGP = (1 0 1);文章=舰导弹(ADGP BDGP CDGP,<年代pan style="color:#A020F0">“StateType”,(2 1 0));y =模拟(文章,500);

假设漂移常数、扰动方差和AR系数是未知的。显式地创建一个模板估计状态空间模型,代表了模型通过替换模型中的未知参数南。

一个=[1南0;0 1 0;0 0南];B =[南0;0 0;0 NaN);C = CDGP;Mdl =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”,(2 1 0));

模型模板数据。指定一组积极、随机标准高斯开始四个模型参数的值,和关闭评估显示。返回参数的估计模型和向量估计和估计的协方差矩阵。

[EstMdl, estParams EstParamCov] =估计(Mdl y abs (randn (4,1)),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”);

EstMdl是一个完全指定的舰导弹模型对象。模型估计接近真实值。

测量变量的计算FEVD period-wise 90%蒙特卡罗的信心。指定模型模板Mdl向量的估计参数estParams,他们估计协方差矩阵EstParamCov。

(分解、降低上部)= fevd (Mdl,<年代pan style="color:#A020F0">“参数”estParams,<年代pan style="color:#A020F0">“EstParamCov”EstParamCov,<年代pan style="color:#0000FF">…“信心”,0.9);

情节波动的比例<年代pan class="inlineequation"> $y_{t}$ 归因于<年代pan class="inlineequation"> $u_{1, t}$ 与相应的90%置信界限。

情节(分解(:1),<年代pan style="color:#A020F0">“r-o”)举行<年代pan style="color:#A020F0">在情节([低(:1)上(:1)),<年代pan style="color:#A020F0">“这”)举行<年代pan style="color:#A020F0">从包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">“波动”的比例)标题(<年代pan style="color:#A020F0">“波动归因于u_ {1, t}的美元,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“比例”,<年代pan style="color:#A020F0">“90%置信界限”)

图包含一个坐标轴对象。坐标轴对象与标题波动归因于u indexOf 1 t基线包含3线类型的对象。这些对象代表比例,90%置信界限。

信心范围最初相对紧张,但扩大滞后和波动性增加。

输入参数

全部折叠

`Mdl`- - - - - -<年代pan itemprop="purpose">状态空间模型
`舰导弹`模型对象|<年代pan itemprop="inputvalue">`dssm`模型对象

,状态空间模型作为一个指定舰导弹模型对象返回的舰导弹或其估计函数,或dssm模型对象返回的dssm或其估计函数。

如果Mdl部分指定的(也就是说,它包含未知参数),指定估计未知参数的使用“参数”名称-值参数。否则,fevd一个错误的问题。

fevd一个错误的问题时Mdl是一个dimension-varying模型,这是一个时变模型包含至少一个变量变化维度在采样周期(例如,一个状态变量模型)。

提示

如果Mdl完整说明,你无法估计的信心。估计置信界限:

创建一个部分指定模板状态空间模型的估计Mdl。
通过使用估计模型估计函数和数据。回归估计参数estParams和估计参数协方差矩阵EstParamCov。
通过模型估计的模板Mdl来fevd,并指定使用的参数估计和协方差矩阵“参数”和“EstParamCov”名称-值参数。
为fevd函数,返回相应的输出参数的上下边界的信心。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“NumPeriods”, 10估算FEVD指定FEVD估算时间1到10。

FEVD选项

全部折叠

`NumPeriods`- - - - - -<年代pan itemprop="purpose">数量的时间
`20.`(默认)|<年代pan itemprop="inputvalue">正整数

数量的时期fevd计算FEVD,指定为一个正整数。1在FEVD开始时间和结束时间NumPeriods。

例子:“NumPeriods”, 10指定包含10 FEVD连续时间点,从时间1和最后时间10。

数据类型:双

`参数个数`- - - - - -<年代pan itemprop="purpose">未知参数的估计
数值向量

估计未知参数的状态空间模型部分指定Mdl,指定为一个数值向量。

如果Mdl是部分指定(包含未知参数指定的南,您必须指定参数个数。的估计函数返回参数的估计Mdl在适当的形式。然而,您可以提供定制估计安排的元素参数个数如下:

如果Mdl是一个显式地创建模型(Mdl.ParamMap是空的[]),安排的元素参数个数对应的列的搜索南状态空间模型的系数矩阵,初始状态平均向量和协方差矩阵。
- 如果Mdl是时不变的,订单是什么一个,B,C,D,Mean0,Cov0。
- 如果Mdl是随时间变化的,订单是吗一个{1}通过{结束},B {1}通过B{结束},C {1}通过C{结束},D {1}通过D{结束},Mean0,Cov0。
如果Mdl是一个隐式创建的模式(Mdl.ParamMap是一个函数处理),第一个输入参数的parameter-to-matrix映射函数确定元素的顺序的参数个数。

如果Mdl完整说明,fevd忽略了参数个数。

例子:状态空间模型考虑Mdl与A = B =[南0;0南],C = [1;1],D = 0,初始状态意味着与协方差为0眼睛(2)。Mdl部分指定显式地创建。因为模型参数包含共有四个南年代,参数个数必须是一个4-by-1向量,在哪里参数(1)是估计的(1),参数(2)是估计的(2,2),参数(3)是估计的B (1,1),参数(4)是估计的B (2, 2)。

数据类型:双

信心会估计选项

全部折叠

`EstParamCov`- - - - - -<年代pan itemprop="purpose">估计的协方差矩阵未知参数
半正定矩阵数值

估计协方差矩阵未知参数的状态空间模型部分指定Mdl,指定为半正定矩阵数值。

估计返回参数协方差矩阵的估计Mdl在适当的形式。然而,您可以提供定制估计通过设置EstParamCov (我,j)估计协方差的估计参数参数(我)和参数(j),无论Mdl是时不变的或时变。

如果Mdl完整说明,fevd忽略了EstParamCov。

默认情况下,fevd不估计的信心。

数据类型:双

`NumPaths`- - - - - -<年代pan itemprop="purpose">蒙特卡罗抽样数量的路径
`1000年`(默认)|<年代pan itemprop="inputvalue">正整数

蒙特卡罗样本路径(试验)来生成估计置信界限),指定为一个正整数。

例子:“NumPaths”, 5000年

数据类型:双

`信心`- - - - - -<年代pan itemprop="purpose">置信水平
`0.95`(默认)|<年代pan itemprop="inputvalue">在[0,1]数字标量

置信水平的信心,指定为一个数值区间[0,1]中的标量。

对于每一个时期,随机画置信区间覆盖真实的反应100 *信心%的时间。

默认值是0.95,这意味着信心边界代表95%的置信区间。

例子:信心= 0.9指定90%置信区间。

数据类型:双

输出参数

全部折叠

`分解`——FEVD
数字数组

FEVD测量的变量y_t,返回NumPeriods——- - - - - -k——- - - - - -n数字数组。

分解(t,我,j)测量变量的FEVD吗j在期t,当一个单位冲击应用于state-disturbance变量我期间1日t= 1,2,…,NumPeriods,我= 1,2,…,k,j= 1,2,…,n。

`较低的`——点态低信心FEVD范围
数字数组

点态低信心FEVD测量变量的范围,作为一个返回NumPeriods——- - - - - -k——- - - - - -n数字数组。

低(t,我,j)的下限吗100 *信心%百分比区间上的真正FEVD测量变量j在期t,当一个单位冲击应用于state-disturbance变量我期间1。

`上`——点态上信心FEVD范围
数字数组

点态上信心FEVD测量变量的范围,作为一个返回NumPeriods——- - - - - -k——- - - - - -n数字数组。

上(t,我,j)上信心绑定绑定对应较低的信心较低的(t,我,j)。

算法

如果你不提供EstParamCov名称-值参数,信心的每个周期重叠。
fevd使用蒙特卡罗模拟计算置信区间。
1. fevd随机吸引NumPaths变量渐近抽样分布的未知参数Mdl,也就是N<年代ub>p(参数个数,EstParamCov),p是未知参数的数量。
2. 对于每一个随机参数集j,fevd以下:
  1. 创建一个,等于状态空间模型Mdl,但代入参数集j。
  2. 计算结果的随机FEVD模型γ_j(t),t= 1到NumPaths。
3. 对于每一个时间t,置信区间的下限(1 -c)/ 2分位数的模拟FEVD时期tγ(t),c=信心。同样,置信区间的上限t是(1 -c)/ 2上分位数γ(t)。

版本历史

介绍了R2021a

另请参阅

对象

舰导弹|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">dssm

功能

irf|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">irfplot|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">估计|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">过滤器|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">光滑的|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">相关系数

主题

状态空间模型是什么?

fevd

语法

描述

状态空间模型完全指定的

状态空间模型部分指定和置信区间估计

例子

FEVD测量变量

指定数量的时期

FEVD估计模型

时变FEVD

估计FEVD信心界限

输入参数

Mdl- - - - - -<年代pan itemprop="purpose">状态空间模型舰导弹模型对象|<年代pan itemprop="inputvalue">dssm模型对象

名称-值参数

NumPeriods- - - - - -<年代pan itemprop="purpose">数量的时间20.(默认)|<年代pan itemprop="inputvalue">正整数

参数个数- - - - - -<年代pan itemprop="purpose">未知参数的估计数值向量

EstParamCov- - - - - -<年代pan itemprop="purpose">估计的协方差矩阵未知参数半正定矩阵数值

NumPaths- - - - - -<年代pan itemprop="purpose">蒙特卡罗抽样数量的路径1000年(默认)|<年代pan itemprop="inputvalue">正整数

信心- - - - - -<年代pan itemprop="purpose">置信水平0.95(默认)|<年代pan itemprop="inputvalue">在[0,1]数字标量

输出参数

分解——FEVD数字数组

较低的——点态低信心FEVD范围数字数组

上——点态上信心FEVD范围数字数组

更多关于

预测误差方差分解

算法

版本历史

另请参阅

对象

功能

主题

`Mdl`- - - - - -<年代pan itemprop="purpose">状态空间模型
`舰导弹`模型对象|<年代pan itemprop="inputvalue">`dssm`模型对象

`NumPeriods`- - - - - -<年代pan itemprop="purpose">数量的时间
`20.`(默认)|<年代pan itemprop="inputvalue">正整数

`参数个数`- - - - - -<年代pan itemprop="purpose">未知参数的估计
数值向量

`EstParamCov`- - - - - -<年代pan itemprop="purpose">估计的协方差矩阵未知参数
半正定矩阵数值

`NumPaths`- - - - - -<年代pan itemprop="purpose">蒙特卡罗抽样数量的路径
`1000年`(默认)|<年代pan itemprop="inputvalue">正整数

`信心`- - - - - -<年代pan itemprop="purpose">置信水平
`0.95`(默认)|<年代pan itemprop="inputvalue">在[0,1]数字标量

`分解`——FEVD
数字数组

`较低的`——点态低信心FEVD范围
数字数组

`上`——点态上信心FEVD范围
数字数组