python自回归模型_向量自回归模型（VAR）到底厉害在哪里？

Vector autoregressive model 是多元时间序列分析中最基础的一族模型之一，我们可以从两个角度来理解它，

从纵向比较来看，它是单变量时间序列Autoregressive(AR)模型在多元时间序列上的衍生；

从横向比较来看，它和它的其他小伙伴VMA，VARMA等都是在用线性关系刻画一个平稳的系统；

下面我们主要阐述 VAR的性质，内生变量与外生变量，VAR的应用(厉害在哪里)

1)VAR的性质

向量自回归模型的数学表达如下，Zt是多元变量在t时刻的取值，通过时间推移算子可以将向量自回归的过程紧凑的表达出来；

就像我们可以轻易的从单变量回归走向多变量回归，从AR过程走向VAR过程的数学推导也是类似的；

我们在做参数估计的时候也需要用到 Yule-walker 方程：

当然，最小二乘也是可以的，并且当模型不平稳时最小二乘法估计出来的参数还可以保持一致性；

2) 内生变量与外生变量

内生变量就是参与模型并由模型体系内决定的变量，外生变量时由模型外的因素决定的变量，我们举一个例子便于理解：

下图是一个VARMA模型的部分表达形式，公式本身经过了变换不易于理解，但是我们从图中可以看到Z2是由Z1决定而Z1仅仅由a(随机扰动决定)，那么在这个方程组里，Z1是外生的，Z2是内生的；