MATLAB实现VAR向量自回归时间序列区间预测的代码

在MATLAB中，VAR（Vector Autoregression）模型用于分析多个变量之间的动态关联。为了实现VAR模型并进行区间预测，你可以按照以下步骤编写代码：

首先，你需要安装`Statistics and Machine Learning Toolbox`，如果尚未安装，需要先安装。

1. 导入所需库和数据：

% 加载数据 (假设data是一个包含多个时间序列的矩阵)
data = readtable('your_data.csv'); % 替换为实际数据文件路径

% 提取时间序列作为列向量
varSeries = data{:, 2:end}; % 假设前一列为日期，最后一列是响应变量，其余为解释变量

2. 创建VAR模型：

% 确定滞后阶数 lagOrder (通常通过AIC或BIC选择)
lagOrder = 4; % 假设这里为4阶

% 初始化VAR模型
model = varm(numVariables, lagOrder);

这里的`numVariables`是变量的数量。

3. 拟合VAR模型：

% 训练模型
model = estimate(model, varSeries);

4. 区间预测：

% 预测未来几个时期的值，例如预测接下来5期
forecastHorizon = 5;
[ypred, yhat] = forecast(model, forecastHorizon, varSeries); 
yhat就是预测值矩阵，ypred是置信区间的上下限矩阵。

5. 可视化结果：

% 绘制预测值和置信区间
figure;
plot(varSeries(end-forecastHorizon+1:end), 'b', 'LineWidth', 2, 'DisplayName', 'Observed');
hold on;
plot(ypred(:,1), 'r--', 'DisplayName', 'Predicted Mean');
errorbar(ypred(:,1), [ypred(:,2), ypred(:,3)], 'LineStyle', 'None', 'Color', 'r', 'Marker', 'o');
legend;
xlabel('Time Period');
ylabel('Variable Value');