文章目錄

• 一、VAR是什么？
• • 1.引入庫
  • 2.讀入數據
  • 3.執行程序
• 總結

---

一、VAR是什么？

以金融價格為例，傳統的時間序列模型比如ARIMA,ARIMA-GARCH等，只分析價格自身的變化，模型的形式為：

其中稱為自身的滯后項。
但是VAR模型除了分析自身滯后項的影響外，還分析其他相關因素的滯后項對未來值產生的影響，模型的形式為：

其中就是其他因子的滯后項。

總結一下，就是可以把VAR模型看做是集合多元線性回歸的優點（可以加入多個因子）以及時間序列模型的優點（可以分析滯后項的影響）的綜合模型。

VAR其實是一類模型，以上是最基礎的VAR模型形式，其他還有SVAR,CVAR,VECM，同統稱為VAR類模型

1.引入庫

代碼如下（示例）：

# 模型相關包 import statsmodels.api as sm import statsmodels.stats.diagnostic # 畫圖包 import matplotlib.pyplot as plt # 其他包 import pandas as pd import numpy as np from sklearn.metrics import precision_score, recall_score, f1_score import sklearn.metrics as mc ##########################畫圖############################################ # 在我的 notebook 里，要設置下面兩行才能顯示中文 plt.rcParams['font.family'] = ['sans-serif'] # 如果是在 PyCharm 里，只要下面一行，上面的一行可以刪除 plt.rcParams['font.sans-serif'] = ['SimHei']

2.讀入數據

代碼如下（示例）：

df = pd.read_excel(r'C:\Users\lidongming\Desktop\數據大賽數據\xgboost\宏觀因子VAR.xlsx',index_col='指標名稱')df.index = pd.to_datetime(df.index) # 將字符串索引轉換成時間索引# 生成pd.Series對象 df

3.執行程序

#建立對象，1就是你自己定的滯后階數，這里的矩陣一定要是正定的，就線性無關的 orgMod = sm.tsa.VARMAX(df,order=(1,0),exog=None) #估計：就是模型 fitMod = orgMod.fit(maxiter=1000,disp=False) # 打印統計結果 print(fitMod.summary()) # 獲得模型殘差 resid = fitMod.resid result = {'fitMod':fitMod,'resid':resid} YUCE=fitMod.predict() YUCE

---

總結

VAR的階數要看下面這個文章怎么去定義，下面這個文章講的比較詳細，這個方法我初步用于數據創新大賽的VAR預測宏觀指標，加XGBOOST預測國債收益率。
這個是VAR模型的比較詳細的文章

總結

以上是生活随笔為你收集整理的VAR模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。