II. Regressziós modellek - 2. e. VAR Előrejelző modell építése (elmélet)

Zhrnutie prednášky

Prednáška vysvetľuje, ako postaviť predikčný model na báze vektorovej autoregresie (VAR), keďže v praxi sa VAR využíva najmä na prognózovanie a analýzu vplyvu exogénnych šokov. Postup zahŕňa špecifikáciu modelu (výber premenných podľa literatúry, deterministické zložky, dummy premenné, určenie počtu oneskorení) a diagnostiku rezíduí, ktoré majú byť biely šum bez autokorelácie a heteroskedasticity a s normálnym rozdelením. Vzorku treba rozdeliť na trénovaciu (približne 80 %) a testovaciu (približne 20 %) časť. Kvalitu prognózy hodnotia chyby MAE, RMSE a bias a porovnávajú sa nimi viaceré modely, pričom najlepšie priliehajúci model nemusí byť najlepší prognostický a jednoduché modely často prognózujú lepšie. Kľúčové sú štandardné chyby, pretože určujú konfidenčný interval, ktorý by nemal prekročiť nulu.

• - VAR sa v praxi používa najmä na prognózovanie a analýzu vplyvu exogénnych šokov.
• - Postup: špecifikácia premenných, deterministické zložky (konštanta, dummy, trend), voľba počtu oneskorení a diagnostika rezíduí.
• - Vzorka sa delí na trénovaciu (približne 80 %) a testovaciu (približne 20 %) časť na overenie presnosti prognózy.
• - Rezíduá musia byť biely šum: bez autokorelácie a heteroskedasticity, s normálnym rozdelením; Chowov test odhalí štrukturálny zlom.
• - Prognostické chyby sa počítajú na testovacej vzorke a v iteratívnej prognóze sa kumulujú, takže intervaly sa rozširujú.
• - Modely sa porovnávajú pomocou MAE, RMSE a biasu; nižšia hodnota znamená lepší model a ide o relatívne kritérium.
• - Najlepšie priliehajúci model nemusí byť najlepší prognostický; preferujú sa jednoduché modely a treba sa vyhnúť preparametrizovaniu.
• - Konfidenčný interval zo štandardných chýb by nemal prekročiť nulu, inak výsledok stráca štatistickú významnosť.

Zhrnutie pripravené s pomocou AI z prepisu videa.