r - 具有 R 的 VAR 模型，平稳性

Question

因此，使用带有 R 包“vars”的模型 var，以这种方式：

model_var <- VAR(my_data, lag.max=10)
roots(model_var)
pred <- predict(model_var, n.ahead=15)

如果 my_data 是固定的，则没有问题。但是，如果 my_data 不是固定的，我会区分 my_data 中的所有时间序列，对吗？现在，我使用差分数据，并使用这些数据进行预测。对于我返回原始数据进行预测，我应该如何使用运算符diffinv（）？

谢谢！

卢卡

score 2 · Accepted Answer

您的数据应具有“ts”类。如果您的数据是称为数据的矩阵

类（数据）

[1] “mts” “ts”

ddata <- 差异（数据）

现在您可以使用以下命令将数据返回到级别

差异（ddata，xi=t（数据[1，]））

因此，您的预测值出现差异，然后您返回它们，例如

diffinv(pred$fcst$VARIABLENAME[1,], xi=t(数据[nrow(data),"VARIABLENAME"])

使用对数据的最后一次观察作为初始值，您可以将预测返回到水平。其中 nrow(data) 是最后一行，“VARIABLENAME”是您感兴趣的变量的列。这有意义吗？

score 0 · Accepted Answer

@用户21240。因为我没有足够的分数来评论你的答案。我把它写在这里作为一个帖子。

从技术上讲，您所说的是正确的。即在任何系列上都像这样工作diff()。diffinv()但这是将预测恢复到水平的正确方法吗，尤其是在 VAR 的情况下。

用符号表示法进行一些澄清可能会很有帮助，因为即使我也遇到了同样的问题。

2 回答 2