USL203 Model

#

# USL203 Model (Cut-and-Pase Code Below and Run (Cmd-Enter)

#

AIC <- function(model) {informationTestsCalculations(model)[3]}

require(dse)

require(matlab)

merge.forecast <- function (fx,n=1) {

x <- splice(fx$pred,fx$forecast[[n]])

colnames(x) <- seriesNames(fx$data$output)

return(x)

}#

#Measurement Matrix 

#     L.US.E. L.US.U. GDP.US.  GDP.C.  GDP.I.  GDP.X.  GDP.G. P.US.TBILL. P.CPAPER.

#[1,]  0.1955   0.138  0.1978  0.1972  0.1961 -0.1402  0.1976     0.00429  -0.01554

#[2,]  0.0669   0.200 -0.0462 -0.0554 -0.0355  0.0751 -0.0377     0.40583   0.40460

#[3,] -0.0312   0.239  0.0284  0.0314 -0.0272  0.2229  0.0541     0.07630  -0.00165

#     P.FED.FUNDS.  P.CPI. P.GDP. P.SP500. V.NYSE. P.S.P.DPR. P.S.P.EPR. Q.H.Starts.

#[1,]       0.0127 0.19773 0.1967   0.1868   0.166     -0.146     -0.112     -0.0202

#[2,]       0.3998 0.00996 0.0337  -0.1076  -0.131      0.144      0.128      0.0392

#[3,]       0.0986 0.02128 0.0240  -0.0277   0.165      0.321      0.384     -0.4666

#       K.US.      M1      M2 P.WPI.    Q.A.    Q.I.   O.B. P.FUELS. P.W.AG. P.W.MFG.

#[1,]  0.1974  0.1953  0.1979 0.1932  0.1918  0.1967 -0.173   0.1834  0.1983   0.1990

#[2,] -0.0418 -0.0145 -0.0325 0.0612  0.0766  0.0374  0.186   0.0269  0.0131   0.0125

#[3,]  0.0446 -0.0318  0.0472 0.1051 -0.0973 -0.0683  0.110   0.2538  0.0489   0.0232

#     Q.OIL.   N.US. IMM.US.   U.US.   CAPU     EF Globalization    CO2 Q.FOSSIL.

#[1,] -0.113  0.1951  0.1440  0.1967 -0.141 0.1867        0.0818  0.180     0.129

#[2,]  0.312  0.0746  0.0546  0.0477 -0.153 0.1096       -0.2964  0.155     0.283

#[3,] -0.145 -0.0642 -0.1371 -0.0589 -0.164 0.0303        0.3905 -0.110    -0.157

#

# Fraction of Variance 

# [1] 0.698 0.854 0.900 0.935 0.955 0.972 0.981 0.987 0.991 0.995 0.997 0.998 0.998 0.999

#[15] 0.999 0.999 0.999 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

#

f <- matrix( c(1.00000000  ,0,0,0,0,0,0,

0.27812595,  0.8233150, -0.08125149, -0.000696273, 0.4846840, 0.1432173, -0.04554328,

-0.05302980, -0.3126345,  0.81784283, -0.092396131, 0.4120723, 0.1182771, -0.29037807,

 0.08758306, -0.1946872, -0.11094535,  0.615939830, 1.1356920, 0.3652072, -0.35732652,

0.00000000,  0.0000000,  0.00000000,  0.000000000, 0.0000000, 0.0000000,  0.00000000,

0.00000000,  0.0000000,  0.00000000,  0.000000000, 0.0000000, 0.0000000,  0.00000000,

0.00000000,  0.0000000,  0.00000000,  0.000000000, 0.0000000, 0.0000000,  0.00000000

),byrow=TRUE,nrow=7,ncol=7)

g <- matrix(c( 0.00000000,  0.000000, 0.0000000,

 -0.14759303, -0.0974411, 0.1827978,

 0.03048737, -0.1305864, 0.2719997,

 -0.79656558, -1.0263718, 0.5876214,

1.00000000,  0.0000000, 0.0000000,

 0.00000000,  1.0000000, 0.0000000,

 0.00000000,  0.0000000, 1.0000000

),byrow=TRUE,nrow=7,ncol=3)

h <- eye(3,7)

q <- eye(7)

r <- eye(3)

USL203 <- SS(F=f,H=h,Q=q,R=r,z0=c( 1, -5.7855694, -3.3173937,  1.6381057, -4.5741610, -0.5333017,  0.4163367),

              output.names=c("US1","US2","US3"))

print(USL203)

is.SS(USL203)

stability(USL203)

# tfplot(simulate(USL203,sampleT=100))

USL203.data <- simulate(toSSinnov(USL203),sampleT=100,noise=matrix(0,100,3))

USL203.f <- forecast(m <- l(USL203,USL203.data),horizon=100)

tfplot(USL203.f)

AIC(m)

shockDecomposition(m)

#WL20.fx <- merge.forecast(WL203.f)

#tfplot(WL20.fx)