TVPVAR-新.zip

tvp-var模型，matlab代码。直接改数据就可以使用，nakajima的原包。内附pdf教程。

%%--------------------------------------------------------%%
%%                   TVP-VAR package for estimation                     %%
%%  This code is modified from Primiceri （2005）and Nakajima （2011） 
%%  Function files for MCMC estimation of Time-Varying Parameter VAR model
%%  with stochastic volatility
%%  setvar.m    sets variables or options
%%  ssmooth.m   implements simulation smoother
%%  svsamp.m    implements multi-move sampler for SV model
%%  ftsvar.m    computes time-series variance  
%%  fAt.m fXt.m fXh.m finvm.m  functions for some matrices 
%%  fGeweke.m   computes Geweke statistics for convergence
%%  impulse.m   computes time-varying impulse response


%%--------------------------------------------------------%%


clear all;
close all;
tau = 40;
y=xlsread（‘awm.xlsx‘）;% load data

my = y（tau+1:end:）;  

asvar = {‘p‘; ‘x‘; ‘i‘};    % variable names
nlag = 2;                   % # of lags

setvar（‘data‘ my asvar nlag）; % set data

setvar（‘fastimp‘ 1）;
global m_my  m_nl m_ns m_nk m_fli m_flSb m_nimp m_flfi ...
       m_iseed m_dvb0 m_dVb0 m_dva0 m_dVa0 m_dvh0 m_dVh0 m_k
   
tic;

if isempty（m_fli） == 1
    m_fli = 1;
end
if isempty（m_flSb） == 1
    m_flSb = 0;
end
if isempty（m_nimp） == 1
    m_nimp = 12 + 1;
end
if isempty（m_flfi） == 1
    m_flfi = 1;
end
if isempty（m_iseed） == 1
    m_iseed = 1;
end

rand（‘state‘ m_iseed）;
randn（‘state‘ m_iseed）;


%%--- set variables ---%%

ns = m_ns;  % # of time periods
nk = m_nk;  % # of series
nl = m_nl;  % # of lags
nb = nk * （nk*nl + m_fli）;  % # of coefficients in beta 
na = nk * （nk-1） / 2;       % # of parameters in a

if m_fli == 1
    vym = zeros（1 nk）;
else
    vym = mean（m_my）;
end
m_my = m_my - ones（ns 1） * vym;

myh = zeros（ns nk）;
mya = zeros（ns nk）;
amX = zeros（nk nb ns）;
amXh = zeros（nk na ns）;
amG2 = zeros（nk nk ns）;
mai = zeros（ns na）;
for i = nl+1 : ns
    amX（: : i） = fXt（m_my（i-nl:i-1 :） m_fli）;
end

mb = zeros（ns nb）;
ma = zeros（ns na）;
mh = zeros（ns nk）;

mSigb = eye（nb） * 0.01;
mSiga = eye（na） * 0.01;
mSigh = eye（nk） * 0.01;

vidb = 1 : nb;
if m_fli == 1
    vidi = （0 : nk-1） * （nk*nl+1） + 1;
	vidb（vidi） = [];
end
[v1 v2] = find（triu（reshape（1:nk^2 nk nk）‘ 1））;
vida = （v1-1）*nk + v2;
%%--- prior ---%%
[BetaVBOLSsigma_u] = prior_ols（y（1:tau:）nlag）;
%Find lower triangular matrix At
C0=chol（sigma_u）;
C0=C0./repmat（diag（C0）1nk）;
C0=inv（C0）‘;
C0=reshape（C0nk*nk1）;
va0 = zeros（na 1）;
for i=1:na
    va0（i1）=C0（vida（i））;
end
sigma_OLS=diag（sigma_u）;
if isempty（m_dvb0） == 1
  if m_flSb == 1
    m_dvb0 = 25;          % Sigma ~ IW（vb0 I*Vb0）
    m_dVb0 = 1e-4;
  else
    m_dvb0 = 40;          % sigb_i^2 ~ IG（va0/2 Va0/2） 
    m_dVb0 = 2*1e-4;
  end
elseif m_flSb == 0
    m_dvb0 = m_dvb0*2;
    m_dVb0 = m_dVb0*2;
end   
if isempty（m_dva0） == 1
  m_dva0 = 8;             % siga_i^2 ~ IG（va0/2 Va0/2）
  m_dVa0 = 2*1e-4;  

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-11-17 15:43  TVPVAR-master\
     文件        1027  2019-11-17 15:43  TVPVAR-master\DataDescription
     文件        8522  2019-11-17 15:43  TVPVAR-master\Estinamtion result.m
     文件       11442  2019-11-17 15:43  TVPVAR-master\Forecast TVPVAR.m
     文件       16637  2019-11-17 15:43  TVPVAR-master\awm.xlsx
     文件         657  2019-11-17 15:43  TVPVAR-master\fAt.m
     文件         768  2019-11-17 15:43  TVPVAR-master\fGeweke.m
     文件         534  2019-11-17 15:43  TVPVAR-master\fXh.m
     文件         559  2019-11-17 15:43  TVPVAR-master\fXt.m
     文件         544  2019-11-17 15:43  TVPVAR-master\finvm.m
     文件         872  2019-11-17 15:43  TVPVAR-master\ftsvar.m
     文件        1255  2019-11-17 15:43  TVPVAR-master\impulse.m
     文件         357  2019-11-17 15:43  TVPVAR-master\mlag2.m
     文件         304  2019-11-17 15:43  TVPVAR-master\prior_ols.m
     文件        2390  2019-11-17 15:43  TVPVAR-master\setvar.m
     文件        2871  2019-11-17 15:43  TVPVAR-master\ssmooth.m
     文件        5542  2019-11-17 15:43  TVPVAR-master\svsamp.m
     文件         507  2019-11-17 15:43  TVPVAR-master\wish.m