II. Regressziós modellek - 2. e. VAR Előrejelző modell építése (gyakorlat: Eviews11 és Gretl)
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Praktický príklad tvorby prognostického VAR modelu v programoch EViews 11 a Gretl, kde sa predpokladá, že zmena výmenného kurzu forintu voči českej korune sleduje zmenu dlhodobej výnosovej prirážky. Dáta za roky 2006–2019 sa upravia na logaritmické výnosy, doplnia sa dummy premenné (kurzový strop ČNB, recesia v eurozóne) a pre predikčné obdobie sa exogénne premenné nastavia na nuly. Po overení stacionarity ADF testom sa vyberie tréningová vzorka (44 pozorovaní, 80 %) a oneskorenie 12 zabezpečí normálne rozdelenie reziduí a absenciu autokorelácie. Impulzné odozvy a dekompozícia variancie ukazujú, že výnosová prirážka vysvetľuje väčšinu variability kurzu, a dynamická predpoveď s RMSE a MAE má s rastúcim horizontom širšie intervaly spoľahlivosti.
- - Model predpokladá, že kurz forintu sleduje zmeny dlhodobej výnosovej prirážky.
- - Príprava dát: logaritmické výnosy, dummy premenné pre kurzový strop a recesiu eurozóny, nulové exogénne hodnoty v predikčnom období.
- - ADF test potvrdil stacionaritu oboch premenných v EViews aj Gretli.
- - Tréningová vzorka tvorí 80 % pozorovaní (44 z 55); oneskorenie 12 dáva normálne rozdelené a neautokorelované rezíduá.
- - Impulzné odozvy sú signifikantné približne do 10. štvrťroka; Gretl umožňuje nastaviť interval spoľahlivosti, EViews nie.
- - Dekompozícia variancie: variabilita výnosovej prirážky vysvetľuje približne 80 % rozptylu kurzu.
- - Dynamická predpoveď sa hodnotí cez RMSE a MAE, no štandardná chyba sa kumuluje a do roku 2020 je predpoveď nesignifikantná.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky