2 votos

Al estimar VAR(1) por OLS, obtengo la transposición de la matriz AR. ¿Por qué?

Modelo: $y_t = \Phi y_{t-1} + (\mathbb{I_n}-\Phi)\mu + \Sigma \varepsilon_t$ s.t. $y_t$ es un $(n \times 1)$ vector, y $\varepsilon_t \sim N(\vec{0},\mathbb{I}_n)$ . $\mathbb{I}$ es la matriz de identidad. $\Phi$ y $\Sigma$ son $(n \times n)$ matrices.

Considere el siguiente código MATLAB.

Sigma = eye(2); %sqrtm(Covariance matrix)
Phi{1} = [0.9,0.12;0,0.9]; %Autoregressive matrix
mu = [0;0]; %Constant vector
nTs = 1000; %Length of simulation

%Specify Model
mdl = varm(2,1); 
mdl.AR = Phi;
mdl.Constant = mu;
mdl.Covariance = Sigma^2;

%Simulate Model
simTs = simulate(mdl,nTs); %Simulate VAR(1) (nTs x 2)

%Estimate Model
X = simTs(1:end-1,:);
Y = simTs(2:end,:); 
hatPhi = (X'*X)\(X'*Y)

>> hatPhi =
       0.8939  -0.0057
       0.1721   0.8732

Observe que la salida es la transposición de la matriz AR suministrada. ¿Por qué es esto? Me siento tonto, lol.

2voto

Bernard Puntos 10700

Veo que $n=2$ y $\mathbf \mu = \mathbb0$ . A nivel de observación simple (bidimensional), solemos escribir (ignorando el vector de perturbación)

$$\mathbf y_t = \Phi \mathbf y_{t,-1}$$

donde las dimensiones son para su caso $(2 \times 1) = (2 \times 2) \times (2 \times 1)$ .

Pero fíjese que la formulación de regresión estándar hace que el vector de coeficientes esté "a la derecha" de la matriz del regresor... así que para poder aplicar las fórmulas estándar de estimación OLS, transponemos y obtenemos

$$\mathbf y'_t = \mathbf y_{t,-1}'\Phi'$$

y a nivel de muestra completa obtenemos

$$\mathbf Y' = \mathbf Y_{-1}'\Phi'$$

donde con $T+1$ observaciones bidimensionales disponibles, las dimensiones son ( $T \times 2$ ) = $(T \times 2) \times (2 \times 2)$

Por lo tanto, al aplicar las fórmulas estándar de OLS como lo hace su código, el estimador estima $\Phi'$ no $\Phi$ .

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X