پوزیمونیتور

Psymonitor یک اجرای در دسترس استراتژی نظارت بر زمان واقعی محبوب ارائه شده توسط فیلیپس ، شی و یو (2015a ، b ؛ psy) را ارائه می دهد ، به همراه یک روش جدید بوت استرپ طراحی شده برای کاهش تأثیر بالقوه ناهمگونی و تأثیر کنترل اندازه خانواده عاقلانهدر الگوریتم های آزمایش بازگشتی (فیلیپس و شی ، آینده). این روش برای تشخیص حباب و بحران مؤثر است (Psy ، 2015a ، B ؛ Phillips and Shi ، 2017) و اکنون توسط محققان دانشگاهی ، اقتصاددانان بانک مرکزی و تنظیم کننده های مالی مورد استفاده قرار می گیرد.

نصب و راه اندازی

می توانید نسخه پایدار را از کران نصب کنید

نصب("psymonitor")

می توانید نسخه توسعه را از GitHub نصب کنید

# install. packages ("devtools")کنگره::install_github("Itamarcaspi/psymonitor")

استفاده

برای اهداف تصویرگری ما از داده های مربوط به ریسک اعتباری در بخش حاکمیت اروپا استفاده خواهیم کرد ، که توسط یک شاخص ساخته شده به عنوان تولید ناخالص داخلی 10 ساله اوراق قرضه دولتی از GIIPS (یونان ، ایرلند ، ایتالیا ، پرتغال و اسپانیا) ساخته شده است. کشورها ، و همراه با بسته "psymonitor" است.

بیایید برخی از اصول اولیه را طی کنیم. ابتدا بسته psymonitor را بارگذاری کرده و داده ها را در مورد گسترش GIIPS دریافت کنید.

کتابخانه(psymonitor)داده ها(گسترش)

در مرحله بعد ، چند پارامتر را برای آزمون و شبیه سازی تعریف کنید.

y گسترش یافته است$ارزشطول(y) swindow0کف(مشاهده* (0. 01 + 1.8 / SQRT(مشاهده)))# اندازه حداقل پنجره را تنظیم کنیدمدار مجتمع2 # برای انتخاب تعداد تاخیر از BIC استفاده کنیددر حال چیدن6 # حداکثر nuber تاخیر را به 6 تنظیم کنیدسال2سل12*سال+swindow0- 1 # اندازه نمونه کنترل را تنظیم کنیدغربال99 # تعداد تکرار برای بوت استرپ را تنظیم کنید

در مرحله بعد ، آمار آزمون PSY را با استفاده از PSY () و مقادیر بحرانی مبتنی بر بوت استرپ مربوط به آن با استفاده از CVPSyWMBoot () تخمین بزنید.

بیستپسی(Y ،swindow0 =swindow0 ،IC =مدار مجتمع،adflag =adflag)# توالی آمار آزمون PSY را تخمین بزنیدمقادیر چندگانهcvpsywmboot(Y ،swindow0 =swindow0 ،IC =مدار مجتمع،adflag =adflag ،سل =سل ،nboot = 99, ncores = 2) # مقادیر بحرانی را از طریق بوت استرپ وحشی شبیه سازی کنید. توجه داشته باشید که تعداد هسته ها به طور خودسرانه روی 2 تنظیم شده است.

در مرحله بعد ، دوره های بحران را مشخص کنید ، به عنوان دوره هایی که آمار آزمون بالاتر از مقدار بحرانی مربوط به آن است ، با استفاده از عملکرد مکان () تعریف شده است.

کم نور-swindow0+ 1موزه ها گسترش یافته اند$تاریخ [swindow0:Obs] Quantile95 QuantilesbSadf%*% ماتریس(1, nRow = 1, NCOL =DIM) IND95 (BSADF> t(Quantile95 [2, ])) * 1دورهدر محل قرار گرفتن(IND95 ، Monitordates)# دوره بحران را پیدا کنید

سرانجام ، یک جدول را چاپ کنید که دوره های بحران مشخص شده را با کمک عملکرد Disp () نگه می دارد.

بحرانمشاجره(دوره ها ، OBS)جدول #ایجاد دوره ای که دوره های بحران را در خود جای می دهد چاپ(بحران)

Pleas مقالات بسته ها را برای تجزیه و تحلیل توضیح داده شده از داده های پخش ، و همچنین نمایشی با استفاده از داده های مربوط به نسبت قیمت به سود S& P 500 بررسی کنید.

منابع

• فیلیپس ، P. C. B. ، و شی ، S. (2017). تشخیص فروپاشی مالی و ریسک حاکمیتی بالون. مقاله بحث بنیاد Cowles شماره 2110.
• فیلیپس ، P. C. B. ، و شی ، س. (آینده). نظارت بر زمان واقعی بازارهای دارایی: حباب و بحران. در Hrishikesh D. Vinod و C. R. Rao (Eds.) ، کتابچه راهنمای آمار جلد 41 - اقتصاد سنجی با استفاده از r.
• فیلیپس ، P. C. B. ، Shi ، S. ، & Yu ، J. (2015a). آزمایش برای حباب های متعدد: قسمت های تاریخی غرق و فروپاشی در S& P 500. بررسی اقتصادی بین المللی ، 56 (4) ، 1034-1078.
• Phillips ، P. C. B. ، Shi ، S. ، & Yu ، J. (2015b). آزمایش برای حباب های متعدد: نظریه محدود برای ردیاب های زمان واقعی. بررسی اقتصادی بین المللی ، 56 (4) ، 1079 1134.

لینک

• بارگیری از Cran در https: // cloud. r-project. org/ بسته = psymonitor
• کد منبع را در https: // github. com/ itamarcaspi/psymonitor مرور کنید
• گزارش اشکال در https: // github. com/ itamarcaspi/psymonitor/شماره ها