R: Utiliser le modèle VAR pour prédire la réponse aux changements de valeurs de certaines variables

Question

J'ai ajusté un modèle VECM dans R, et je l'ai converti en une représentation VAR. Je voudrais utiliser ce modèle pour prédire la valeur future d'une variable de réponse en fonction de différents scénarios pour les variables explicatives.

Voici le code pour le modèle:

library(urca) 
library(vars) 

input <-read.csv("data.csv") 
ts <- ts(input[16:52,],c(2000,1),frequency=4) 
dat1 <- cbind(ts[,"dx"], ts[,"u"], ts[,"cci"],ts[,"bci"],ts[,"cpi"],ts[,"gdp"]) 

args('ca.jo') 
vecm <- ca.jo(dat1, type = 'trace', K = 2, season = NULL,spec="longrun",dumvar=NULL) 
vecm.var <- vec2var(vecm,r=2)  

Maintenant, ce que je voudrais faire est de prédire « dx » dans l'avenir en faisant varier les autres. Je ne suis pas sûr si quelque chose comme "prédire dx si u = 30, cpi = 15, bci = 50, gdp = ..." dans la période suivante fonctionnerait. Donc, ce que je veux dire, c'est quelque chose comme: augmenter de «u» de 15% dans la période suivante (ce qui aurait évidemment un impact sur toutes les autres variables, y compris «dx») et prédire l'impact dans le futur.

En outre, je ne suis pas sûr que l'étape "vec2var" soit nécessaire, veuillez l'ignorer si vous pensez qu'il est redondant.

Merci
Karl

Answer 1

Ici vous allez - ?? prévisions a vars :: permettent de prédire, méthode pour prédire les objets de classe varest et vec2var comme une réponse, qui ressemble exactement comme vous le voulez. Augmenter vous ressemble à une analyse de réponse impulsionnelle, alors cherchez!

Answer 2

Ce sujet est couvert très bien dans les chapitres 4 et 8 du livre de Bernhard Pfaff, « Analysis of Integrated and Cointegrated Time Series with R », pour lequel le vars et Urca paquets ont été écrits.

L'étape vec2var est nécessaire si vous souhaitez utiliser la fonctionnalité de prédiction disponible.

Une réponse plus complète was provided on the R-Sig-Finance list. Voir aussi this related thread.