Economica: Векторная авторегрессия в Mathematica

Сравнительно недавно (Aruoba&Fernandez-Villaverde, 2014) [1] провели обзор нескольких популярных языков программирования, более или менее распространенных среди экономистов. Основным критерием перспективности соавторы выбрали скорость выполнения стандартной задачи поиска оптимальной траектории потребления.
Конечно, скорость единственный критерий, которому возможно дать численную оценку в секундах на задачу. Пусть так. При этом быстрота занимает далеко не первые позиции среди факторов выбора инструмента экономистом. Гораздо выше находится наличие встроенной поддержки тех или иных стандартных операций и алгоритмов: можно ли оценить определенную статистическую модель, есть ли встроенная поддрежка решения определенного типа задач.
С этой точки зрения Mathematica находится далеко не в избранном перечне для экономиста. Достаточно сказать, что до настоящего момент пакет не способен проводить такие стандартные операции как оценка векторной авторегрессии и ее структурная идентификация.
Убедиться в этом возможно, попытавшись оценить параметры многомерного AR процесса:
sample = RandomFunction[ARProcess[{.2,-.4},.1], {1,300}];
EstimatedProcess[sample, ARProcess[{a,b},v]]
(*or*)
FindProcessParameters[sample, ARProcess[{a,b},v]
Вместе с тем, этот пробел не так уж и сложно закрыть. Опираясь на материалы (Cesa-Bianchi, 2014) [2] я выписал алгоритм для оценки VAR. Он теперь доступен в виде функции VARModelFit в моем сборнике полезных функций Economica
Пример с инструкцией по оценке VAR  и идентификации SVAR на основе подхода Бланшара-Куа здесь.
1. Aruoba, S. Boragan, and Jesús Fernández-Villaverde. “A Comparison of Programming Languages in Economics.” (2014). http://economics.sas.upenn.edu/~jesusfv/comparison_languages.pdf
2. Ambrogio Cesa-Bianchi, 2014. “VAR Toolbox”, sites.google.com/site/ambropo/”. 
Economica: Векторная авторегрессия в Mathematica
Loading Facebook Comments ...

Leave a Reply

Your email address will not be published. Required fields are marked *