金融大数据分析——VAR的脉冲响应图的整齐排列
R语言有很强大的绘图和构建计量模型的功能，比一些软件如Eviews或者SPSS等更加的灵活，但实际应用中出现的一些问题出现也会跟我们带来很多困扰，需要我们不断地尝试加以解决。
近日在创作一篇论文，主要是利用SVAR模型来刻画变量之间的相互影响关系。本人比较喜欢用R语言分析，但在进行脉冲响应分析的时候遇到了一个问题：如何利用R将脉冲响应图整齐地排列起来？起初，我也认为这是一件很简单的事情，但是真正操作的时候，才发现困难重重，足足花了两天的时间才解决这个问题，所以想在这里和大家一起分享一下！
在进行VAR或者SVAR模型时，我们需要加载R语言中很经典的包‘vars’（在老版本中可能是‘VAR’）。数据的读取和模型的设定我就不再赘述，因为这会因不同的问题有很大的不同，我们这里重点讲解一下R语言如何画出脉冲响应图，并将所有脉冲响应图进行整齐地排列和保存。
首先我们需要创建一个VAR的数据类型，‘z<-VAR(SVAR,p=1)’SVAR是我们要研究的经济变量构成的矩阵，本实验包含'A','B','C','D','E'这5个变量。我们这里先构建SVAR模型p=SVAR(z, estmethod = 'scoring', Amat =NULL, Bmat =bmat,start = NULL, max.iter = 100)
P就是一个SVAR模型的结果。然后我们使用命令svec.irf <- irf(p,response = A, n.ahead = 48, boot = TRUE)时，我们可以得到A对于其余5个变量的的脉冲响应图。这个时候问题就来了：这种脉冲响应图只能按enter键一张图一张图地看，不能够一次性的观看所有的图。这很让人抓狂！而且我们将这些图保存起来的时候，也会有很大的麻烦。比如保存成PDF时，会有5页的PDF；保存成PNG或JPEG格式的时候，也得不断点击才能看下一张图，我们无法把所有的的图归并到一张图中，因此我们无法做出我们想要能够粘贴到论文中的结果图！
就像上图所示，每次只能够粘贴一个图，得按ENTER键才能看下一张！而我们希望展示的是1*5的图片，到最后为了展示各个变量的脉冲响应应该展示5*5的图片！当然我也尝试过简单的par(mfrow=c(5,5))这样的方法，然而并没有什么用！（感兴趣的小伙伴们可以试试），因为这是一个plot，不是多个plot。本人经过苦苦思索，终于探索出一套有效的解决办法！那就是模拟地画出脉冲响应图，我们需要对R语言的画图命令和图片效果有深刻地理解，话不多说，我们先附上代码：
#创建1*5的画布窗口，并得出第一个变量的脉冲响应图
par(mfrow=c(1,5))
for(i in 1:1)
{
p=SVAR(z, estmethod = 'scoring', Amat =NULL, Bmat =bmat,start = NULL, max.iter = 100)
svec.irf <- irf(p,response=name[i], n.ahead = 48, boot = TRUE)
##利用循环语句，得出每一个脉冲响应的图，整齐地排列到画布上
for(j in 1:5)
{
p=as.vector(svec.irf$irf[[j]])
q=as.vector(svec.irf$Upper[[j]])
k=as.vector(svec.irf$Lower[[j]])
low=min(k)-0.1
high=max(q)+0.1
plot(p,type='l',main=paste(paste(svec.irf$response,'from'),svec.irf$impulse[j]),ylim=c(low,high))
lines(q,type='l',lty=2,col='red')
lines(k,type='l',lty=2,col='red')
abline(h=0,col='red')
}
}
R语言有非常强大的画图功能，同时其画图命令的繁琐有时让我们望而却步。不过我已经帮大家设定好了参数，大家可以直接运行代码就好！这个代码运行出来的图如下：
就像上图所示，每次只能够粘贴一个图，得按ENTER键才能看下一张！而我们希望展示的是1*5的图片，到最后为了展示各个变量的脉冲响应应该展示5*5的图片！当然我也尝试过简单的par(mfrow=c(5,5))这样的方法，然而并没有什么用！（感兴趣的小伙伴们可以试试），因为这是一个plot，不是多个plot。本人经过苦苦思索，终于探索出一套有效的解决办法！那就是模拟地画出脉冲响应图，我们需要对R语言的画图命令和图片效果有深刻地理解，话不多说，我们先附上代码：
#创建1*5的画布窗口，并得出第一个变量的脉冲响应图
par(mfrow=c(1,5))
for(i in 1:1)
{
p=SVAR(z, estmethod = 'scoring', Amat =NULL, Bmat =bmat,start = NULL, max.iter = 100)
svec.irf <- irf(p,response=name[i], n.ahead = 48, boot = TRUE)
##利用循环语句，得出每一个脉冲响应的图，整齐地排列到画布上
for(j in 1:5)
{
p=as.vector(svec.irf$irf[[j]])
q=as.vector(svec.irf$Upper[[j]])
k=as.vector(svec.irf$Lower[[j]])
low=min(k)-0.1
high=max(q)+0.1
plot(p,type='l',main=paste(paste(svec.irf$response,'from'),svec.irf$impulse[j]),ylim=c(low,high))
lines(q,type='l',lty=2,col='red')
lines(k,type='l',lty=2,col='red')
abline(h=0,col='red')
}
}
R语言有非常强大的画图功能，同时其画图命令的繁琐有时让我们望而却步。不过我已经帮大家设定好了参数，大家可以直接运行代码就好！这个代码运行出来的图如下：
就像上图所示，每次只能够粘贴一个图，得按ENTER键才能看下一张！而我们希望展示的是1*5的图片，到最后为了展示各个变量的脉冲响应应该展示5*5的图片！当然我也尝试过简单的par(mfrow=c(5,5))这样的方法，然而并没有什么用！（感兴趣的小伙伴们可以试试），因为这是一个plot，不是多个plot。本人经过苦苦思索，终于探索出一套有效的解决办法！那就是模拟地画出脉冲响应图，我们需要对R语言的画图命令和图片效果有深刻地理解，话不多说，我们先附上代码：
#创建1*5的画布窗口，并得出第一个变量的脉冲响应图
par(mfrow=c(1,5))
for(i in 1:1)
{
p=SVAR(z, estmethod = 'scoring', Amat =NULL, Bmat =bmat,start = NULL, max.iter = 100)
svec.irf <- irf(p,response=name[i], n.ahead = 48, boot = TRUE)
##利用循环语句，得出每一个脉冲响应的图，整齐地排列到画布上
for(j in 1:5)
{
p=as.vector(svec.irf$irf[[j]])
q=as.vector(svec.irf$Upper[[j]])
k=as.vector(svec.irf$Lower[[j]])
low=min(k)-0.1
high=max(q)+0.1
plot(p,type='l',main=paste(paste(svec.irf$response,'from'),svec.irf$impulse[j]),ylim=c(low,high))
lines(q,type='l',lty=2,col='red')
lines(k,type='l',lty=2,col='red')
abline(h=0,col='red')
}
}
R语言有非常强大的画图功能，同时其画图命令的繁琐有时让我们望而却步。不过我已经帮大家设定好了参数，大家可以直接运行代码就好！这个代码运行出来的图如下：
这样我们就很完美的得到了关于A的脉冲响应的5张图的整齐排列！！！本人做出来的时候非常地激动！那么如何得到所有变量5*5的图呢？聪明的读者已经想到，我们只需要修改上述代码的两个参数即可
par(mfrow=c(5,5))
for(i in 1:5)
{
p=SVAR(z, estmethod = 'scoring', Amat =NULL, Bmat =bmat,start = NULL, max.iter = 100)
svec.irf <- irf(p,response=name[i], n.ahead = 48, boot = TRUE)
##利用循环语句，得出每一个脉冲响应的图，整齐地排列到画布上
for(j in 1:5)
{
p=as.vector(svec.irf$irf[[j]])
q=as.vector(svec.irf$Upper[[j]])
k=as.vector(svec.irf$Lower[[j]])
low=min(k)-0.1
high=max(q)+0.1
plot(p,type='l',main=paste(paste(svec.irf$response,'from'),svec.irf$impulse[j]),ylim=c(low,high))
lines(q,type='l',lty=2,col='red')
lines(k,type='l',lty=2,col='red')
abline(h=0,col='red')
}
}
金融大数据分析——VAR的脉冲响应图的整齐排列相关推荐
- python金融大数据分析笔记----第十章 2（风险测量）
10.4 风险测量 VaR CVaR 10.4.1. 风险价值(Var) VaR(Value at Risk,风险价值或风险溢价)是度量一项投资或投资组合可能产生的下跌风险的方法,它描述的是在一定的概 ...
- python金融大数据分析视频_Python金融大数据分析 PDF 全书超清版
给大家带来的一篇关于Python相关的电子书资源,介绍了关于Python金融.大数据分析方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小47.8 MB,希尔皮斯科编写,目前豆瓣.亚马逊. ...
- python金融数据分析电子版_python 金融大数据分析 pdf
书籍:Python金融大数据分析 Python for Finance_ Mastering Data-Driven Finance 2nd - 2019.pdf 简介 金融业最近以极高的速度采用了P ...
- 金融科技、算法交易、量化金融必读书:Python金融大数据分析第2版
银行本质上是技术公司. --胡戈•班齐格 近来,Python无疑是金融业的重要策略性技术平台之一.到2018年底,这已经不再是个问题:全世界的金融机构现在都尽最大努力利用Python及其强大的数据分析 ...
- python for finance pdf_python金融大数据分析 pdf
书籍:Python金融大数据分析 Python for Finance_ Mastering Data-Driven Finance 2nd - 2019.pdf 简介 金融业最近以极高的速度采用了P ...
- Python金融大数据分析：用pandas处理金融时间序列数据的基础知识
时间是阻止所有事情同时发生的力量.--雷•卡明斯 本节使用的是以CSV文件形式在本地存储的金融数据集形式为本地存储的CSV文件.从技术上讲,CSV文件是包含数据行结构的文本文件,其特征是以逗号分隔单个 ...
- 计算机编程书籍-Python金融大数据分析
Python金融大数据分析 [德] 伊夫·希尔皮斯科(Yves Hilpisch) 著,姚军 译 ISBN:9787115521330 包装:平装 开本:16开 正文语种:中文 出版社:人民邮电出版社 ...
- python与金融数据分析论文_python 金融大数据分析 pdf
python 金融大数据分析 pdf相关的博客 查看更多 写博客 作者: skin778 966人浏览 评论数:0 6个月前 
- 读取excel标题、内容
- pythong小知识列表
- javascript之DOM简介
- 转行程序员日记---2020-10-12【不是孤独一人】
- 麻省理工计算机专业,麻省理工学院计算机专业介绍_托普仕留学
- 对角矩阵的性质（diagonal matrix）