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;