统计模型：vector_ar 和 IRAnalysis

Question

我正在尝试使用 statsmodels.tsa 估计 -1 标准差冲击对 3 维 VAR 的脉冲响应函数，但是我目前在设置冲击幅度方面遇到问题。

这给了我 1 s.d. 的 IRF。震动，默认：

import numpy as np
import statsmodels.tsa as sm
model = sm.vector_ar.var_model.VAR(endog = data)
fitted = model.fit()
shock= -1*fitted.sigma_u
irf = sm.vector_ar.irf.IRAnalysis(model = fitted)

函数 IRAnalysis 接受一个参数 P，一个设置冲击的上对角矩阵，我在查看源代码时发现了这一点。然而如下所示输入 P 似乎没有任何作用。

irf = statsmodels.tsa.vector_ar.irf.IRAnalysis(model = fitted, P = -np.linalg.cholesky(model.fitted_U))

我真的很感激一些帮助。 预先感谢。

Answer 1

我也有同样的问题，终于找到了对我有用的东西。

我发现将 VAR 模型转换为其 MA 表示是调整冲击大小的最佳方法，而不是明确使用 IRAnalysis。

from statsmodels.tsa.vector_ar.irf import IRAnalysis
J = fitted.ma_rep(T)
J = shock*np.array(J)

这将为您提供 T 周期内 irfs 的输出。

我还想要我的图上有标准误差带，所以我也做了一些与该特定函数类似的事情。

G, H = fitted.irf_errband_mc(orth=False, repl=1000, steps=T, signif=0.05, seed=None, burn=100, cum=False)

希望这有帮助

Answer 2

你不应该手动进行分解，使用参数

ortho=True

import statsmodels.tsa as sm

model = sm.vector_ar.var_model.VAR(endog = df)
fitted = model.fit(maxlags=8, ic='aic')
irf= fitted.irf(10)
irf.plot(orth=True)
plt.show()

对于

lutkepohl_data

你会得到这样的结果