向量自回归(VAR)模型的蒙特卡罗模拟
模拟
使用此过程对所有页面执行条件模拟k
= 1,......,numpaths.
对于每一次t
= 1,......,numobs.
.
模拟
推断(或逆过滤器)创新E (
从已知的未来反应t
:,k
)yf(
.为了t
:,k
)E (
,t
:,k
)模拟
模仿…的模式南
的值yf(
.t
:,k
)
对于缺少的元素E (
,t
:,k
)模拟
执行这些步骤。
画Z1
的已知元素上的随机标准高斯分布扰动E (
.t
:,k
)
规模Z1
通过条件协方差矩阵的较低三角形弦系因子。那是,Z2
=L * Z1
, 在哪里l
=胆固醇(C,“低”)
和C
为条件高斯分布的协方差。
嫁祸于Z2
代替中相应的缺失值E (
.t
:,k
)
对于缺失的值yf(
,t
:,k
)模拟
通过模型过滤相应的随机创新MDL.
.
模拟
用这个过程来确定时间原点t0包括线性时间趋势的模型。
[1]汉密尔顿,J.D。时间序列分析.普林斯顿:普林斯顿大学出版社,1994。
[2]约翰森,S。协整向量自回归模型中的似然推理.牛津:牛津大学出版社,1995年出版社。
[3]Juselius, K。共同化的VAR模型.牛津:牛津大学出版社,2006。
[4]Lütkepohl,H.多时间序列分析新介绍.柏林:斯普林斯,2005年。