bvarr

Пожелания/замечения/приветы/ошибки в issue :)

Пакет bvarr может пригодиться для оценки BVAR моделей с сопряжённым нормальным - обратным Уишарта априорным распределением.

Пакет можно установить командами:

install.packages("devtools")
devtools::install_github("bdemeshev/bvarr")

Простой пример оценки BVAR с сопряжённым нормальным - обратным Уишарта априорным распределением

library("bvarr")
data(Yraw)
setup <- bvar_conj_setup(Yraw, p = 4)
model <- bvar_conj_estimate(setup)
bvar_conj_summary(model) 
bvar_conj_forecast(model, h = 2, output = "wide")
bvar_conj_forecast(model, out_of_sample = FALSE, include = "mean", level = NULL, type = "credible")

Теория моделей BVAR

Презентация BVAR: Great Grimpen Mire в Нижнем Новгороде 2016-09-22.

Цели пакета:

1. Хорошая документация

2. Гибкость

3. Разумные значения параметров по умолчанию

4. Робастность к мерзким матрицам

Модели BVAR также можно оценивать с помощью пакетов:

• BMR

• MSBVAR

• bvarsv

English translation

Wishes/notes/greetings/errors in issue :)

The package bvarr may be useful for estimation BVARs with conjugate Normal-Inverse Wishart prior.

You may install the package usinge the commands:

install.packages("devtools")
devtools::install_github("bdemeshev/bvarr")

Basic example of BVAR estimation with forecasting

library("bvarr")
data(Yraw)
setup <- bvar_conj_setup(Yraw, p = 4)
model <- bvar_conj_estimate(setup)
bvar_conj_summary(model) 
bvar_conj_forecast(model, h = 2, output = "wide")
bvar_conj_forecast(model, out_of_sample = FALSE, include = "mean", level = NULL, type = "credible")

Theory behind package

Presentation BVAR: Great Grimpen Mire in Nizhniy Novgorod 2016-09-22.

Goals of the package:

1. Good documentation

2. Versatile

3. Reasonable default values

4. Robustness for bad matrices

You may also wish look at

• BMR

• MSBVAR

• bvarsv