DMA-TVP-FAVAR

在开始使用代码之前, 请仔细阅读此文件。此文件夹包含以下文件:___________________________________________________________________________________1)其他代码: B. TVP-FAVAR: 估计一个 TVP FAVAR。此代码用于演示只有, 它应该作为一个出发点, 以了解评估的工作原理 (在前往多个使用 DMA 的模型案例) 2)预测代码:a. 竞争 FCIs: 从我们收集的4现有 FCIs 的预测联邦储备银行B. DMA_TVP_FAVAR: 动态模型平均/选择的预测 (DMA/DMS),与相对 noninformative 之前C. DMA_TVP_FAVAR_TS: 动态模型平均/选择的预测 (DMA/DMS),培训样本前(此代码仅用于在线附录)FAVAR_PC_DOZ: homoskedastic FAVAR 与校长的预测组分和 Doz 等 (2011) 因素的估计 3)完整示例代码:DMA_probabilities: 绘制时变 DMA 概率, 预期数量变量和由 DMA 暗示的家庭护理(使用此代码复制图 4 & 5) 此外, 文件夹 "函数" 包含在估计期间调用的有用函数 (例如, mlag2 创建 VAR 滞后, 并且 Minn_prior_KOOP 在系数之前实现我们的明尼苏达州类型). 文件夹数据包含-猜测什么。但是, 要小心, 因为那里有两个数据集。第一个是文章中使用的 (xdata.dat, other_FCIs, ydata.dat)。但是, 我还有一个具有81个财务变量 (xdata_all) 的数据集, 仅由演示代码 TVP FAVAR 调用。在这个代码中, 我给你一个选项来加载这两个数据集中的任何一个来提取家庭护理 (为了了解算法是如何工作的)。变量的名称在. 席子文件 xnames. 垫。 如何使用代码:在每个文件的开头, 我有一个叫做 "用户输入" 的部分。请随时试用它。默认设置是在纸张中使用的, 例如 nlag=4 是 FAVAR 中滞后的数目)。 但是, 默认值的遗忘/衰变因素 (称为 l_1, l_2, l_3, l_4 在代码中, 但表示为本文) 对应于 TVP-FAVAR 模型。为了估计 FAVAR 和 FA-TVP 模型 (见纸), 你需要改变遗忘因子的值。设置 l_3=1 (离开 l_1 = l_2 = 0.96, l_4 = 0.99) 给出了 FA TVP VAR, 而设置 l_3 = l_4 = 1 (离开 l_1 = l_2 = 0.96) 给你 heteroskedastic FAVAR。您还可以通过将所有遗忘因子设置为1来获得 homoscedastic FAVAR, 但这不是本文中使用的模型 (因为我们解释这具有较低的预测性能)。 我已经设置了代码 DMA_probabilities 为了打印文件中显示的数字, 以选择的模型为条件 (例如, 遗忘因素的默认设置会给出 TVP-FAVAR 的概率)。对于预测代码的事情是半自动的, 因为我不喜欢设置 MATLAB 来计算预测结果和打印乳胶表 (更多的编程意味着更多的错误机会, 因此, 我更喜欢在 Excel 中手动计算平均值)。在这方面, 如果你想要 MSFEs 这些可以在数组 MSFE_DMA 中的代码末尾找到 (对于 DMA 情况, 类似于其他文件中的其他预测)。为了获得所有变量的平均 MSFE, 只需在 MATLAB 中使用平均值 () 函数:挤压 (平均 (MSFE_DMA (1: 末端-1,:, 1), 1) '% 为 h=1 步挤压 (平均 (MSFE_DMA (1: 末端-2,:, 2), 1) '% 为 h=2 步挤压 (平均 (MSFE_DMA (1: 末端-3,:, 3), 1) '% 为 h=3 步挤压 (平均 (MSFE_DMA (1: 末端-4,:, 4), 1) '% 为 h=4 步 健康警告:虽然一个 TVP FAVAR 是微不足道的估计, 你很快就会意识到, 预测递归与 219= 524288 模型 (正如我们在 DMA), 是一个相当的任务。您将需要一个非常强大的 PC 和大量的耐心, 或者是一个集群的服务器和 MATLAB 的并行处理工具箱 (这是我实际上做的, 即我是在我的大学中央集群远程提交 PBS 工作)。 在您尝试在您的 PC 上运行 DMA 代码之前, 我建议您在使用单个模型估计和递归预测时需要花费多少时间。您可以使用原始 DMA_TVP_FAVAR 代码来执行此项。在用户输入中有设置: var_no_dma = 1; 选择不应包含在 DMA 中的变量。上面的设置采用第一个变量 (& P

% 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）
            

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-09-01 09:01  DMA_FCI\
     文件        8865  2018-08-31 22:18  DMA_FCI\Competing_FCIs.m
     目录           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
     目录           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
............此处省略18个文件信息