R：用新数据预测 VAR

Question

我尝试使用估计的 VAR 模型和两个变量之一的新数据来预测时间序列。

假设每月 DAX 和 Oilprice 回报的 VAR。

#Select variables for VAR model
MakroVAR <- as.data.frame(cbind(DAX=Makro_diff$DAX, OIL=Makro_diff$OIL))

#Estimate VAR model
var <- VAR(na.omit(MakroVAR), p=1, type="const", ic = "AIC")

现在我可以在不提供新数据的情况下使用预测功能。

# Predict VAR
pred.var1 <- predict(var, n.ahead = 12)

现在我想提供一系列 12 个 DAX 的新回报。

# New data for DAX
DAXnew <- data.frame(DAX=c(-0.0222, 0.0093, 0.0136, -0.0074, 0.0161, 
-0.0029, 0.0007, 0.0073, 0.0018, -0.0032, 0.0059, -0.0043))

但是 predict 函数总是会给出相同的结果，并且似乎忽略了新数据。

# Predict VAR conditional on new DAX data
pred.var2 <- predict(var, newdata = DAXnew, n.ahead = 12)

我还尝试为两个系列提供一个 NA 和一个提供数据，这总是带来相同的结果。

我的问题是，我必须以哪种方式为 VAR 模型提供新数据，以实现在给定新数据的情况下计算第二个系列。

Answer 1

r 包 'tsDyn' 支持使用 newdata，而 'vars' 包不支持。