VAR-SIMULATION IN SOFTWARE ENVIRONMENT R

Данная статья посвящена вопросам реализации алгоритмов моделей векторной авторегрессии (VAR) в программной среде R. Достоинствами являются: простота их использования, точность прогнозов, сопоставимая с точностью сложных макроэкономических моделей, отсутствие каких-либо структурных или идентификационных ограничений на параметры. Однако последняя особенность приводит к проблеме перепараметризации, поскольку количество оцениваемых параметров быстро возрастает увеличением числа переменных и максимальной величины лага. Одним из следствий перепараметризации является рост дисперсий оценок параметров. Следует учесть требование увеличению выборки, обусловленное корреляционной зависимостью между временными рядами, включенными спецификацию модели. Для решения этой проблемы рекомендуется контролировать наложением них общей структуры при помощи байесовских эмпирических методов. Процедура байесовского оценивания применима широкому спектру эконометрических том числе авторегрессии. Такая модификация VAR-моделей получила название BVAR (Bayesian vector autoregression) – байесовские модели Модели ограничениями. В качестве среды для оценки исследования работе выбран язык R, поддерживающий тысячи специализированных модулей являющийся бесплатной альтернативой эконометрическим пакетам.