贝叶斯潜在多动态因子模型

此代码为贝叶斯潜在多动态因子模型，用贝叶斯方法来估计因子

%BAYES_DFM This implements the state-space estimation of the dynamic
%factors their loadings and autoregressive parameters. The program was
%written by Piotr Eliasz （2003） Princeton University for his PhD thesis and
%and used in Bernake Boivin and Eliasz （2005） published in QJE.
%Modified by Dimitris Korobilis on Monday June 11 2007
%--------------------------------------------------------------------------
% Estimate dynamic factor model:
%                X_t = Lam x F_t + e_t
%                F_t = B（L） x F_t-1 + u_t
% The previous （Eliasz 2005） version was:
%         [X_t ; Y_t] = [Lf Ly ; 0 I] x [F_t ; Y_t] + e_t
%         [F_t ; Y_t] = [B（L） ; 0 I] x [F_t-1 ; Y_t-1] + u_t
%
%--------------------------------------------------------------------------

clear all;
clc;
randn（‘seed‘sum（100*clock））; %#ok<*RAND>
rand（‘seed‘sum（100*clock））;
%---------------------------LOAD DATA--------------------------------------
% simulated dataset
X=dfmdgp（）;

[TN]=size（X）;
%Demean xraw
X=X-repmat（mean（X）T1）;

% Number of factors & lags in B（L）:
K=3;
lags=1;
%----------------------------PRELIMINARIES---------------------------------
% Set some Gibbs - related preliminaries
nods = 10000;  % Number of draws
bid = 2000;   % Number of burn-in-draws
thin = 1;   % Consider every thin-th draw （thin value）

% store draws in:
Ldraw=zeros（nods-bidNK）;
Bdraw=zeros（nods-bidKKlags）;
Qdraw=zeros（nods-bidKK）;
Fdraw=zeros（nods-bidTK）;  
%********************************************************
% STANDARDIZE for PC only
X_st=X./repmat（std（X1）T1）;
% First step - extract PC from X
[F0Lf]=extract（X_stK）;
% Transform factors and loadings for LE normalization
[qlrl]=qr（Lf‘）;
Lf=rl;  % do not transpose yet is upper triangular
F0=F0*ql;
% Need identity in the first K columns of Lf call them A for now
A=Lf（:1:K）;
Lf=[eye（K）inv（A）*Lf（:（K+1）:N）]‘;
F0=F0*A;
% Obtain R:
e=X_st-F0*Lf‘;
R=e‘*e./T;
R=diag（diag（R））;
L=Lf;
% Run a VAR in F obtain initial B and Q
[BBcvQinvFF]=estvar（F0lags[]）;

% Put it all in state-space representation write obs equ as XY=FY*L+e
XY=X;   %Tx（N+M）
FY=F0;

% adjust for lags in state equation Q is KxK
Q=[Q zeros（KK*（lags-1））;zeros（K*（lags-1）K*lags）];
B=[B（::）;eye（K*（lags-1）） zeros（K*（lags-1）K）];

% start with
Sp=zeros（K*lags1）;
Pp=eye（K*lags）;  

% Proper Priors:-----------------------------------------------------------
% on VAR -- Normal-Wishart after Kadiyala Karlsson 1997
% on Q -- si
% on B -- increasing tightness
% on observable equation:
% N（0I）-iG（30.001）

% prior distributions for VAR part need B and Q
vo=K+2;
s0=3;
alpha=0.001;
L_var_prior=eye（K）;
Qi=zeros（K1）;

% singles out latent factors
indexnM=ones（Klags）;
indexnM=find（indexnM==1）;
%***************End of Preliminaries & PriorSpecification******************

tic;
%==========================================================================
%========================== Start Sampling ================================
%=====================================

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2009-09-23 11:53  Factor_Models\
     文件        7383  2009-08-09 13:35  Factor_Models\BAYES_DFM.m
     文件         706  2009-06-24 02:13  Factor_Models\bernoullirnd.m
     文件        3214  2009-06-24 02:31  Factor_Models\BFM.m
     文件         479  2009-07-07 00:16  Factor_Models\bfmdgp.m
     文件         305  2009-05-29 23:09  Factor_Models\bfmdgp2.m
     文件         884  2009-05-29 23:24  Factor_Models\dfmdgp.m
     文件        1042  2007-06-20 20:08  Factor_Models\estvar.m
     文件         527  2004-07-31 17:23  Factor_Models\extract.m
     文件         677  2004-12-29 13:22  Factor_Models\gamrnd.m
     文件      294074  2007-06-01 12:28  Factor_Models\Lopez+West （2004） - BAYESIAN MODEL ASSESSMENT IN FACTOR ANALYSIS.pdf
     文件        1335  2009-05-29 23:25  Factor_Models\mlag.m
     文件        1830  2004-07-31 17:23  Factor_Models\mvnrnd.m
     文件        1059  2009-05-29 23:14  Factor_Models\normlt_rnd.m
     文件        1827  2009-05-29 23:15  Factor_Models\normt_rnd.m
     文件         281  2004-07-31 17:23  Factor_Models\olssvd.m