问题标签 [vector-auto-regression]

I have a Vector Autoregression (VAR) model in StatsModels with three time series variables used to forecast future values. I would like to add an extra predictor to the model, without forecasting it as part of the model output, and using its current value rather than lagged values.

The context is that this variable is a leading indicator for the time series variables, so the desired outcome would be to model x, y, z as a function of their past values and the current value of this leading indicator.

Would this addition be possible using a StatsModels VAR or need I look elsewhere?

The code below shows the relevant code used to set the current basic model up.

我想使用 VAR 模型执行多元多元回归。默认情况下，VAR 模型返回每个输出变量的单独回归模型，但我想限制 VAR 模型返回单个模型，使用每个输出变量的相等权重。

这是否可以在 statsmodels 库中使用 VAR，还是我需要在其他地方寻找才能做到这一点？

我正在使用向量自回归 (VAR) 模型进行分析。我正在处理日期格式为 yyyy-mm-dd hh:mm:ss 的数据。但是我在网上找到的例子大多是YYYY-MM格式。

例子：

此外，我尝试使用的数据来自 twitter，并且信息在时间范围内不一致。此外，我确实检查以确保我没有重复的行。如何对以下格式的数据进行 VAR 分析？

由于我的残差中存在序列相关性，滞后数非常多，因此我想使用 Newey West 标准误差来克服序列相关性。基于 VAR，我的目标是进行预测误差方差分解。有谁知道如何用 Newey West 标准错误替换 R 中我的 VAR 对象中的标准错误？我的代码如下：

我不知道如何将 VAR 与 Newey West 标准误差结合起来，以便能够进行方差分解。

谁能帮我？

我正在尝试使用 VAR 模型生成稳定的多元时间序列 (MTS)。在这里，我不尝试在现有数据上拟合 VAR 模型，而是通过手动设置所需参数从 VAR 过程中创建数据。

这里重要的是我的 MTS 是稳定的 -> 它的幅度不会呈指数增长。

要创建 VAR 流程，需要考虑多个参数：

带有一个值向量，它是我们 MTS 在某一时刻的实现。

与lag的尺寸系数矩阵。而维度的噪音 这可以改写

我们更喜欢这种表示法，因为有了它，很容易定义我们的时间序列的稳定性条件，即：

所以我们希望我们的系数矩阵具有绝对值小于 1 的特征值。

我想要的是一种根据滞后数和系列数来概括随机权重矩阵的创建的方法。虽然它需要是一个能够产生稳定过程的矩阵，因此上面的公式。

所以我的想法是随机生成一个其元素的绝对值 < 1的特征值向量，并由此生成一个正确形式的矩阵 ( )。因此，为此我们需要一个与相关的特征向量矩阵。这样

和

是 的形式。

所以我的问题的核心是： 我的特征向量有哪些限制，以便我的矩阵具有正确的形状？

我正在尝试使用已经从这些现金流量中得出的数据来预测未来的现金流量。例如，现金流量的 3 个月标准差是基于第 1、2 和 3 个月的现金流量，我想用这 3m SD 来预测现金流量 4，然后用它来计算 3 - 现金流量 2、3 和 4 的月 SD，然后用于预测现金流量 5，依此类推...

这本质上是引导数据，这很好，而且我知道如何在 python 中执行此操作。但是，我将不得不为大约 40-50 个变量执行此操作，尽管可能，这让我想知道是否有更简单的方法来执行此操作。

我研究了向量自回归，这听起来类似于目标（现金流）和标签（3 个月标准差）之间的关系是一条双向街道。虽然，我不确定这是否是同一件事。

任何想法将不胜感激！

我的电脑使用 Intel(R) Core(TM) i7-10750H CPU @ 2.60GHz 2.59 GHz 的 CPT。我的 RAM 内存大小也是 16 GB。当我在 R 中运行以下面板 VAR 模型“pvargmm”时，

我总是收到以下错误：

所以我尝试只使用两个因变量来查看内存是否可以承受，而不是我之前的六个因变量。

然后我仍然有内存错误，但形式不同，如下所示：

但我目前使用以下代码尝试增加内存：

我的 Windows 是 64 位的，我的 R 程序也是 64 位的。

数据与 2060 行平衡，没有缺失值。

使用 dput(data1) 的前 50 行代码片段如下：

如果我用 data1[1:50,] 显示原始数据的前 50 行，它显示如下：

请问我可以得到解决这个错误的帮助吗？

我拟合了一个向量自回归模型，statsmodels并且我试图在我最后一个数据点之后的时间段内生成模拟。为此目的statsmodels提供了功能。simulate_var但是，当使用此函数时，模拟从 (0,0) 向量开始，我需要它们从我的最后一个数据点开始。例如，当使用 ARIMA 模型时，您可以将 指定initial_state为文档中指定的参数 ( https://www.statsmodels.org/dev/generated/statsmodels.tsa.arima.model.ARIMA.simulate.html ) .

simulate_var( https://www.statsmodels.org/dev/generated/statsmodels.tsa.vector_ar.var_model.VARProcess.simulate_var.html ) 上的文档未提供有关如何指定初始状态的信息。simulate_var为什么没有initial_state参数？

编辑：提交 PR 并获得批准。在后续版本中，您应该能够按照文档initial_values中的说明指定on 。simulate_var

当我使用“库（tsDyn）”中的“VECM”代码运行矢量纠错模型（VECM）时，我不断收到以下无法修复的警告：

我使用的代码如下：

数据与 2060 行平衡，没有缺失值。可能是因为我在矢量纠错模型上使用平衡面板数据，它可能没有正确处理面板数据结构。但是，如果我想在我的面板数据上运行矢量纠错模型，我找不到任何替代 VECM 函数的方法。我认为面板 VECM 也不存在于 R 代码中。

使用 dput(data1) 的前 50 行代码片段如下：

如果我用 data1[1:50,] 显示原始数据的前 50 行，它显示如下：

请问我可以得到解决这个错误的帮助吗？

我正在尝试运行有关kats多变量时间序列模型预测的运行教程，但运行时遇到错误m.predict

这是也可以在他们的教程页面上找到的代码。

kats 他们已经在github上遇到了有关此错误的问题，但尚未对此发表评论。