vlambda博客
学习文章列表

R语言使用贝叶斯层次模型进行空间数据分析

原文链接:http://tecdat.cn/?p=12030




准备数据

采样函数svsample期望其输入数据y是数字矢量,而没有任何缺失值(NA),如果提供其他任何内容,则会引发错误。在y包含零的情况下,发出警告,并在进行辅助混合物采样之前,将大小为sd(y)/ 10000的小偏移常数添加到平方收益上。

但是,我们通常建议完全避免零回报,例如通过预先降低零回报。下面是如何使用样本数据集exrates1准备数据的说明。

图1提供了该数据集中时间序列的可视化。


R> par(mfrow = c(2, 1), mar = c(1.9, 1.9, 1.9, 0.5), mgp = c(2, 0.6, 0))R> plot(exrates$date, exrates$USD, type = "l",+ main = "Price of 1 EUR in USD")R> plot(exrates$date[-1], ret, type = "l", main = "Demeaned log returns")

除了现实世界的数据外,还可以使用内置的数据生成器svsim。此函数仅产生SV流程的实现,并返回svsim类的对象,该对象具有自己的print,summary和plot方法。

下面给出了使用svsim的示例代码,该模拟实例显示在图2中。

 
R> par(mfrow = c(2, 1))R> plot(sim)

R语言使用贝叶斯层次模型进行空间数据分析


运行采样器

函数svsample,它用作C语言中实际采样器的R-wrapper 。此函数的示例用法在下面的代码中提供了默认输出。


Calling GIS_C MCMC sampler with 11000 iter. Series length is 3139.0% [+++++++++++++++++++++++++++++++++++++++++++++++++++] 100%Timing (elapsed): 12.92 seconds.851 iterations per second.Converting results to coda objects... Done!Summarizing posterior draws... Done!

可以看出,该函数调用主MCMC采样器并将其输出转换为与coda兼容的对象。后者的完成主要是出于兼容性的考虑,并且可以直接访问在那里实施的收敛诊断检查。

svsample的返回值是svdraws类型的对象,该对象是具有八个元素的命名列表,其中包含(1)参数在para中绘制,(2)潜在的对数波动率,(3)初始潜在的对数波动率绘制latent0,(4)y中提供的数据,(5)运行时中的采样运行时,(6)先验中的先验超参数,(7)细化中的细化值,以及(8)这些图的汇总统计信息,以及一些常见的转换。


评估输出并显示结果

按照常规做法,可使用svdraws对象的print和summary方法。每个参数都有两个可选参数showpara和showlatent,用于指定应显示的输出。如果showpara为TRUE(默认设置),则会显示参数绘制的值/摘要。如果showlatent为TRUE(默认值),则显示潜在变量绘制的值/摘要。在下面的示例中,仅显示参数绘制的摘要。


Summary of 10000 MCMC draws after a burn-in of 1000.Prior distributions:mu ~ Normal(mean = -10, sd = 1)(phi+1)/2 ~ Beta(a0 = 20, b0 = 1.1)sigma^2 ~ 0.1 * Chisq(df = 1)Posterior draws of parameters (thinning = 1):mean sd 5% 50% 95% ESSmu -10.1366 0.22711 -10.4749 -10.1399 -9.7933 4552phi 0.9935 0.00282 0.9886 0.9938 0.9977 397sigma 0.0656 0.01001 0.0509 0.0649 0.0830 143exp(mu/2) 0.0063 0.00075 0.0053 0.0063 0.0075 4552sigma^2 0.0044 0.00139 0.0026 0.0042 0.0069 143


(1)volplot:绘制潜在波动率的后分位数,以百分比表示,即随时间变化的100 exp(ht = 2)后验分布的经验分位数。除了必需的svsample-object本身之外,此函数还带有几个可选参数。
volplot或help(volplot)访问的相应帮助文档。常用的可选可选参数包括n步前波动率预测的预测,x轴上标签的日期以及一些图形参数。下面的代码片段显示了一个典型示例,图3显示了其输出。


R语言使用贝叶斯层次模型进行空间数据分析

(2)paratraceplot:显示θ中包含的参数的轨迹图。图5显示了一个示例。

R语言使用贝叶斯层次模型进行空间数据分析

 (3)paradensplot:显示θ中包含的参数的核密度估计。为了更快地绘制较大的后验样本,应将此参数设置为FALSE。如果参数showprior为TRUE(默认值),则先验分布通过虚线灰色线指示。图6显示了从汇率提取数据集中获得的EUR-USD汇率的示例输出。

svdraws对象的通用绘图方法将上述所有绘图合并为一个绘图。可以使用上述所有参数。请参见图7。

 
R> plot(res, showobs = FALSE)

R语言使用贝叶斯层次模型进行空间数据分析

 为了提取标准化残差,可以在给定的svdraws对象上使用残差/残差方法。使用可选的参数类型,可以指定摘要统计的类型。当前,类型允许为“平均值”或“中位数”,其中前者对应于默认值。此方法返回svresid类的实向量,其中包含每个时间点所请求的标准化残差的摘要统计量。还有一种绘图方法,当通过参数origdata给定时,提供了将标准化残差与原始数据进行比较的选项。请参见下面的代码,对于相应的输出,请参见图8。


点击标题查阅往期内容








更多内容,请点击左下角“阅读原文”查看

R语言使用贝叶斯层次模型进行空间数据分析

R语言使用贝叶斯层次模型进行空间数据分析

R语言使用贝叶斯层次模型进行空间数据分析


案例精选、技术干货 第一时间与您分享

长按二维码加关注

更多内容,请点击左下角“阅读原文”查看