使用已知X的臨近預報Y，在R中使用VECM

Question

我試圖使用另一個時間序列（X）作爲預測值來臨時預報時間序列數據（Y）。 X和Y是協整的。 Y是從2012年1月月度數據至10月2016年X上運行從2012年1至2月2017年

所以，我跑VECM在這個視頻中顯示它：https://www.youtube.com/watch?v=x9DcUA9puY0

比，以獲得一個預測值，我把它改造的VAR由vec2var命令，從這個主題以下信息：https://stats.stackexchange.com/questions/223888/how-to-forecast-from-vecm-in-r

但我不能預測Y中已知的X，它如何使用predict功能與線性迴歸模型進行。另外，我無法獲得模擬的Y（Y帽子）值。

這是我的代碼：

# Cointegrated_series is a ZOO object, which contains two time series X and Y 

library("zoo") 
library("xts") 
library("urca") 
library("vars") 

# Obtain lag length 
Lagl <- VARselect(Cointegrated_series)$selection[[1]] 

#Conduct Eigen test 
cointest <- ca.jo(Cointegrated_series,K=Lagl,type = "eigen", ecdet = "const", 
        spec = "transitory") 
#Fit VECM 
vecm <- cajorls(cointest) 

#Transform VECM to VAR 
var <- vec2var(cointest) 

比我試圖用不同的方式predict功能：predict(var)，predict(var, newdata = 50)，predict(var, newdata = 1000) - 結果都是一樣的。

儘量選用tsDyn封裝，predict方法newdata說法，因爲這裏提到的：https://stats.stackexchange.com/questions/261849/prediction-from-vecm-in-r-using-external-forecasts-of-regressors?rq=1

不工作。我的新數據是一個ZOO對象，其中X系列的值爲2016年11月至2017年2月，Y系列爲NAs。

# Cointegrated_series is a ZOO object, which contains 
#two time series X and Y from Jan 2012 to Oct 2016. Both X and Y are values. 
    # newDat is a ZOO object, which contains two time series 
#X and Y from Nov 2016 to Feb 2017. X are values, Y are NAs. 

    library(tsDyn) 

    vecm <-VECM(Cointegrated_series, lag=2) 

    predict(vecm,newdata = newDat, n.ahead=5) 

這是一個結果：因此，該方法在預測返回來港

            Y    X 
59             NA   NA 
60             NA   NA 
61             NA   NA 
62             NA   NA 
63             NA   NA 

例如，這是我打電話predict內部消除newdata爭吵後得到：

predict(vecm, n.ahead=5) 

               Y    X 
59           65.05233  64.78006 
60           70.54545  73.87368 
61           75.65266  72.06513 
62           74.76065  62.97242 
63           70.03992  55.81045 

所以，我的主要問題是：

1. 如何使用已知X在X中使用VEC模型進行臨近預測？
2. 如何獲取建模的Y（Y hat）值？

除此之外，我還沒有找到這些問題的答案：

如何調用赤池標準（AIC）的VECM中的R？

vars和urca包是否提供VECM的F和t統計信息？

UPD 2017年4月10日 我稍微改動過的問題。注意到，我的問題適用於「邊緣不齊」問題，將其稱爲「預測」是不正確的 - 它是「臨近預報」。

UPD 2017年11月4日

感謝您的回答！

下面是完整的代碼：

library("lubridate") 
library("zoo") 
library("xts") 
library("urca") 
library("vars") 
library("forecast") 



Dat <- dget(file = "https://getfile.dokpub.com/yandex/get/https://yadi.sk/d/VJpQ75Rz3GsDKN") 
NewDat <- dget(file = "https://getfile.dokpub.com/yandex/get/https://yadi.sk/d/T7qxxPUq3GsDLc") 



Lagl <- VARselect(Dat)$selection[[1]] 

#vars package 

cointest_e <- ca.jo(Dat,K=Lagl,type = "eigen", ecdet = "const", 
        spec = "transitory") 


vecm <- cajorls(cointest_e) 

var <- vec2var(cointest_e) 

Predict1 <- predict(var) 

Predict2 <- predict(var, newdata = NewDat) 

Predict1$fcst$Y 
Predict2$fcst$Y 

Predict1$fcst$Y == Predict2$fcst$Y 
Predict1$fcst$X == Predict2$fcst$X 

#As we see, Predict1 and Predict2 are similar, so the information in NewDat 
#didn't came into account. 

library("tsDyn") 

vecm2 <-VECM(Dat, lag=3) 

predict(vecm2) 
predict(vecm2, newdata=NewDat) 

如果dget會返回一個錯誤，請在這裏下載我的數據：

https://yadi.sk/d/VJpQ75Rz3GsDKN - 爲逸

https://yadi.sk/d/T7qxxPUq3GsDLc - 爲NEWDAT

關於臨近預約

說臨近預報我的意思是當前月或上個月的預測數據與當前可用的數據。下面是一些referenses：

Gianonne，Reichlin，小：臨近預報：宏觀經濟數據（2008）

現在，鑄造和實時數據流（2013）

的實時信息內容馬塞利諾，舒馬赫：因素MIDAS的臨近預測和粗糙邊緣數據預測：德國國內生產總值的模型比較（2010）

Answer 1

我覺得你的問題是更多關於如何爲協整變量做臨近預測，然後讓我們看看以後如何看待在R中實現它。

在一般情況下，根據Granger的表現定理，協整的變量可以以多種形式來表示：

• 長期關係：Y的同期值，並且x

• VECM表示：（的差異）Y x用滯後的（差）來解釋，以及前一時期的誤差修正項。

所以我不知道你將如何在VECM表示中進行臨近播放，因爲它只包含過去的值？我可以看到兩種可能性：

1. 基於長期關係做臨近預報。所以你只需運行標準的OLS，並從那裏預測。

2. 基於結構VECM進行臨近預報，您可以添加您認識的變量的同期值（X）。在R中，您將執行此包urca，但您需要檢查predict函數是否允許您添加已知的X值。

關於長期關係的做法，有趣的是，你可以獲取基於VECM的（不知道X）X和Y的預測，並從已知X的LT這給你一個方法瞭解模型的準確性（比較已知和預測的X），您可以使用它來爲Y創建預測平均方案？