statsmodels.tsa.vector_ar.svar_model.SVARProcess.simulate_var¶

SVARProcess.simulate_var(steps=None, offset=None, seed=None, initial_values=None, nsimulations=None)¶

模拟VAR(p)过程所需的步数

Parameters:¶

stepsNone or int

要模拟的观测值数量，这包括用于启动自回归过程的初始观测值。 如果偏移量不为None，则在模型中提供的自变量将被使用（如果它们在模型中提供了的话）

offsetNone or ndarray (steps, neqs)

如果不是 None，则偏移量将作为自回归的观测特定截距添加。如果它是 None 并且 VAR 模型中使用了趋势（包括截距）或外生变量，则这些组件的线性预测器将用作偏移量。这应该具有与步数相同的行数，以及与内生变量（neqs）相同的列数。

seed{None, int}

如果种子不是 None，那么它将被用于由 numpy.random 生成的随机变量。

initial_valuesarray_like, optional

用于模拟的初始值。形状应为 (nlags, neqs) 或 (neqs,)。值应按从早到晚的顺序排列。请注意，这些值将由模拟返回，作为 endog_simulated 的第一个值，并将计入总步数。

nsimulations{None, int}

要执行的模拟次数。如果 nsimulations 为 None，它将执行一次模拟，返回值的形状将为 (steps, neqs)。

Returns:¶

endog_simulatednd_array

模拟的VAR过程的内生变量。形状将是(nsimulations, steps, neqs)或(steps, neqs)，如果nsimulations为None。