資源簡介
在開始使用代碼之前, 請仔細閱讀此文件。此文件夾包含以下文件:___________________________________________________________________________________1)其他代碼: B. TVP-FAVAR: 估計一個 TVP FAVAR。此代碼用于演示只有, 它應該作為一個出發點, 以了解評估的工作原理 (在前往多個使用 DMA 的模型案例) 2)預測代碼:a. 競爭 FCIs: 從我們收集的4現有 FCIs 的預測聯邦儲備銀行B. DMA_TVP_FAVAR: 動態模型平均/選擇的預測 (DMA/DMS),與相對 noninformative 之前C. DMA_TVP_FAVAR_TS: 動態模型平均/選擇的預測 (DMA/DMS),培訓樣本前(此代碼僅用于在線附錄)FAVAR_PC_DOZ: homoskedastic FAVAR 與校長的預測組分和 Doz 等 (2011) 因素的估計 3)完整示例代碼:DMA_probabilities: 繪制時變 DMA 概率, 預期數量變量和由 DMA 暗示的家庭護理(使用此代碼復制圖 4 & 5) 此外, 文件夾 "函數" 包含在估計期間調用的有用函數 (例如, mlag2 創建 VAR 滯后, 并且 Minn_prior_KOOP 在系數之前實現我們的明尼蘇達州類型).
文件夾數據包含-猜測什么。但是, 要小心, 因為那里有兩個數據集。第一個是文章中使用的 (xdata.dat, other_FCIs, ydata.dat)。但是, 我還有一個具有81個財務變量 (xdata_all) 的數據集, 僅由演示代碼 TVP FAVAR 調用。在這個代碼中, 我給你一個選項來加載這兩個數據集中的任何一個來提取家庭護理 (為了了解算法是如何工作的)。變量的名稱在. 席子文件 xnames. 墊。 如何使用代碼:在每個文件的開頭, 我有一個叫做 "用戶輸入" 的部分。請隨時試用它。默認設置是在紙張中使用的, 例如 nlag=4 是 FAVAR 中滯后的數目)。 但是, 默認值的遺忘/衰變因素 (稱為 l_1, l_2, l_3, l_4 在代碼中, 但表示為本文) 對應于 TVP-FAVAR 模型。為了估計 FAVAR 和 FA-TVP 模型 (見紙), 你需要改變遺忘因子的值。設置 l_3=1 (離開 l_1 = l_2 = 0.96, l_4 = 0.99) 給出了 FA TVP VAR, 而設置 l_3 = l_4 = 1 (離開 l_1 = l_2 = 0.96) 給你 heteroskedastic FAVAR。您還可以通過將所有遺忘因子設置為1來獲得 homoscedastic FAVAR, 但這不是本文中使用的模型 (因為我們解釋這具有較低的預測性能)。 我已經設置了代碼 DMA_probabilities 為了打印文件中顯示的數字, 以選擇的模型為條件 (例如, 遺忘因素的默認設置會給出 TVP-FAVAR 的概率)。對于預測代碼的事情是半自動的, 因為我不喜歡設置 MATLAB 來計算預測結果和打印乳膠表 (更多的編程意味著更多的錯誤機會, 因此, 我更喜歡在 Excel 中手動計算平均值)。在這方面, 如果你想要 MSFEs 這些可以在數組 MSFE_DMA 中的代碼末尾找到 (對于 DMA 情況, 類似于其他文件中的其他預測)。為了獲得所有變量的平均 MSFE, 只需在 MATLAB 中使用平均值 () 函數:擠壓 (平均 (MSFE_DMA (1: 末端-1,:, 1), 1) '% 為 h=1 步擠壓 (平均 (MSFE_DMA (1: 末端-2,:, 2), 1) '% 為 h=2 步擠壓 (平均 (MSFE_DMA (1: 末端-3,:, 3), 1) '% 為 h=3 步擠壓 (平均 (MSFE_DMA (1: 末端-4,:, 4), 1) '% 為 h=4 步 健康警告:雖然一個 TVP FAVAR 是微不足道的估計, 你很快就會意識到, 預測遞歸與 219= 524288 模型 (正如我們在 DMA), 是一個相當的任務。您將需要一個非常強大的 PC 和大量的耐心, 或者是一個集群的服務器和 MATLAB 的并行處理工具箱 (這是我實際上做的, 即我是在我的大學中央集群遠程提交 PBS 工作)。 在您嘗試在您的 PC 上運行 DMA 代碼之前, 我建議您在使用單個模型估計和遞歸預測時需要花費多少時間。您可以使用原始 DMA_TVP_FAVAR 代碼來執行此項。在用戶輸入中有設置: var_no_dma = 1; 選擇不應包含在 DMA 中的變量。上面的設置采用第一個變量 (& P
代碼片段和文件信息
%?Competing?FCIs?-?Forecasts?from?competing?models
%?To?minimize?programming?error?I?treat?the?competing?FCIs?as?FAVAR?models?with?a?known?factor?（FCI）
%?hence?I?am?using?the?same?code?as?the?FAVAR?models.
%-----------------------------------------------------------------------------------------
%?The?model?is:
%?????_????_?????_??????????????_?????_????_?????_????_
%????|?y[t]?|???|???I????????0???|???|?y[t]?|???|???0??|
%????|??????|?=?|????????????????|?x?|??????|?+?|??????|
% ?|?x[t]?|???|?L[yt]??L[ft]?|???|?f[t]?|???|?e[t]?|
%?????-????-?????-??????????????-?????-????-?????-????-
% ?
%?????_????_??????????????_??????_
%????|?y[t]?|????????????|?y[t-1]?|???
%????|??????|?=?B[t-1]?x?|????????|?+?u[t]
%????|?f[t]?|????????????|?f[t-1]?|???
%?????-????-??????????????-??????-?????
%?where?L[t]?=?（L[yt]?;?L[ft]）?and?B[t]?are?coefficients?f[t]?are?factors?e[t]~N（0V[t]）
%?and?u[t]~N（0Q[t]）?and
%?
%???L[t]?=?L[t-1]?+?v[t]
%???B[t]?=?B[t-1]?+?n[t]
%
%?with?v[t]~N（0H[t]）?n[t]~N（0W[t]）
%
%?All?covariances?follow?EWMA?models?of?the?form:
%
%??V[t]?=?l_1?V[t-1]?+?（1?-?l_1）?e[t-1]e[t-1]‘
%??Q[t]?=?l_2?Q[t-1]?+?（1?-?l_2）?u[t-1]u[t-1]‘
%
%?with?l_1?l_2?l_3?and?l_4?being?the?decay/forgetting?factors?（see?paper?for?details）.
%-----------------------------------------------------------------------------------------
%?Written?by?Dimitris?Korobilis
%?University?of?Glasgow
%?This?version:?08?July?2013
%-----------------------------------------------------------------------------------------
clear?all;
close?all;
clc;
%?Add?path?of?data?and?functions
addpath（‘data‘）;
addpath（‘functions‘）;
%-------------------------------USER?INPUT--------------------------------------
%?Model?specification
nfac?=?1;?????????%?number?of?factors
nlag?=?4;?????????%?number?of?lags?of?factors
%?Control?the?amount?of?variation?in?the?measurement?and?error?variances
l_1?=?0.96;???????%?Decay?factor?for?measurement?error?variance
l_2?=?0.96;???????%?Decay?factor?for?factor?error?variance
l_3?=?0.99;??????????%?Forgetting?factor?for?loadings?error?variance
l_4?=?0.99;???????%?Forgetting?factor?for?VAR?coefficients?error?variance
%?Select?if?y[t]?should?be?included?in?the?measurement?equation?（if?it?is
%?NOT?included?then?the?coefficient/loading?L[yt]?is?zero?for?all?periods
y_true?=?1;???????%?1:?Include?y[t];?0:?Do?not?include?y[t]
%?Select?transformations?of?the?macro?variables?in?Y
transf?=?1;???????%?1:?Use?first?（log）?differences?（only?for?CPI?GDP?M1）
??????????????????%?2:?Use?annualized?（CPI?&?GDP）?&?second?（log）?differences?（M1）???????????????????
??????????????????
%?Select?a?subset?of?the?6?variables?in?Y??????????????????
subset?=?6;???????%?1:?Infl.-?GDP?-?Int.?Rate?（3?vars）
??????????????????%?2:?Infl.?-?Unempl.?-?Int.?Rate?（3?vars）
??????????????????%?3:?Infl.?-?Inf.?Exp.?-?GDP?-?Int.?Rate?（4?vars）
??????????????????%?4:?Infl.?-?Inf.?Exp.?-?GDP?-?M1?-?Int.?Rate?（5?vars）
?????????????屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-09-01?09:01??DMA_FCI\
?????文件????????8865??2018-08-31?22:18??DMA_FCI\Competing_FCIs.m
?????目錄???????????0??2018-09-01?09:17??DMA_FCI\data\
?????文件????????5256??2018-08-31?22:18??DMA_FCI\data\other_FCIs.dat
?????文件??????????64??2018-08-31?22:18??DMA_FCI\data\tcode.dat
?????文件?????????493??2018-08-31?22:18??DMA_FCI\data\varnames.mat
?????文件???????55597??2018-08-31?22:18??DMA_FCI\data\xdata.dat
?????文件????????8452??2018-09-01?09:18??DMA_FCI\data\xdata_all.dat
?????文件?????????197??2018-09-01?09:15??DMA_FCI\data\xnames.mat
?????文件????????9511??2018-08-31?22:18??DMA_FCI\data\ydata.dat
?????文件????????9511??2018-08-31?22:18??DMA_FCI\data\ydata2.dat
?????文件??????788925??2018-09-01?08:58??DMA_FCI\data\yearlab.mat
?????文件???????13742??2018-08-31?22:18??DMA_FCI\DMA_probabilities.m
?????文件???????12895??2018-08-31?22:18??DMA_FCI\DMA_TVP_FAVAR.m
?????文件???????13664??2018-08-31?22:18??DMA_FCI\DMA_TVP_FAVAR_TS.m
?????文件????????7951??2018-08-31?22:18??DMA_FCI\FAVAR_PC_DOZ.m
?????目錄???????????0??2018-09-01?08:17??DMA_FCI\functions\
?????文件????????2353??2018-08-31?22:18??DMA_FCI\functions\combntns.m
?????文件?????????427??2018-08-31?22:18??DMA_FCI\functions\create_RHS_NI.m
?????文件?????????498??2018-08-31?22:18??DMA_FCI\functions\DMAFCI_fore.m
?????文件?????????527??2018-08-31?22:18??DMA_FCI\functions\extract.m
?????文件????????2035??2018-08-31?22:18??DMA_FCI\functions\gamm_rnd.m
?????文件?????????361??2018-08-31?22:18??DMA_FCI\functions\invgamrnd.m
?????文件????????1150??2018-08-31?22:18??DMA_FCI\functions\Kalman_companion.m
?????文件????????2129??2018-08-31?22:18??DMA_FCI\functions\KFS_factors.m
?????文件????????7266??2018-08-31?22:18??DMA_FCI\functions\KFS_parameters.m
?????文件????????1101??2018-08-31?22:18??DMA_FCI\functions\Minn_prior_KOOP.m
?????文件?????????357??2018-08-31?22:18??DMA_FCI\functions\mlag2.m
?????文件????????8468??2018-08-31?22:18??DMA_FCI\functions\mvnpdfs.m
?????文件????????1842??2018-08-31?22:18??DMA_FCI\functions\mvnrnd.m
?????文件?????????281??2018-08-31?22:18??DMA_FCI\functions\olssvd.m
............此處省略18個文件信息
評論
共有 條評論
川公網安備 51152502000135號