VAR模型及检验

上节简述

天数字符串统计数据的预估与处置

– 理查德营的该文 – chan

股票市场天数字符串统计数据的处置

ARIMA数学模型预设、检测与预估

股票市场液晶统计数据的探讨

工作台

选用英国基准利率与产品价格（GDPMolek成分股）

webuse rates2

做时间字符串预估

1、试创建ARIMA数学模型预估，有甚么难题？

2、创建VAR数学模型，本型预估，有甚么推论?

3、三个数学模型有甚么差别，甚么情形选用ARIMA，甚么情形选用VAR？

VAR数学模型基本概念

重回的大前提是，表达式是单个两者之间。即X—>Y或是如此一来，Y–>X 但，假如X–>Y，与此同时Y–>X,一般重回就有难题这时要选用捷伊数学模型，矢量自重回VAR数学模型是主要就数学模型众所周知。

$状态参数 yt=a\timesxt-1+b\timesyt-1+y状态参数$ y_t={a\times x_{t-1}+b\times y_{t-1}+y_{状态参数}}\\ $状态参数 xt=a\timesxt-1+b\timesyt-1+x状态参数$ x_t = {a\times x_{t-1}+b\times y_{t-1}+x_{状态参数}} \\

webuse rates2 \\英国基准利率与gdpMolek成分股系统

首先选用arima数学模型及相关检测确定(p,d,q)

10分钟天数大家各自操作一次

但，差分上遇到麻烦！！

选用多元天数数学模型——矢量自重回var数学模型

在单表达式重回中，一个平稳的天数字符串经常被数学模型化为 AR 过程：

$yt=a1*yt-1+a2*yt-2+\dots+ak*yt-k+ϵ1t$ y_t={a_1\ast y_{t-1}+a_2\ast y_{t-2}+…+a_k\ast y_{t-k}+\epsilon_{1t}} \\

当遇到多个天数字符串时，VAR数学模型结果更加稳健

$状态参数 yt=a*xt-1+b*yt-1+y状态参数$ y_t={a\ast x_{t-1}+b\ast y_{t-1}+y_{状态参数}}\\ $状态参数 xt=a*xt-1+b*yt-1+x状态参数$ x_t = {a\ast x_{t-1}+b\ast y_{t-1}+x_{状态参数}} \\

一种方式是直接采取var数学模型。但要注意，存在三个因表达式。r与gdpdef都要选择上。