R: VAR/TVPVAR/ConnectednessApproach

Berikut adalah bagaimana menghitung VAR dan TVPVAR dengan menggunakan R. Kita mempunyai data csv sebagai berikut:

Return <- read.csv("~/Documents/Intern_R/13-Mar/Indonesia-q1.csv")
View(Return)

Selanjutnya, kita rubah menjadi time-series data menggunakan library xts:

# memastikan jenis data disetiap kolom, date dan numerik
Return$Rupiah <- as.numeric(Return$Rupiah)
Return$Gold <- as.numeric(Return$Gold)
Return$Stock <- as.numeric(Return$Stock)
Return$Sukuk <- as.numeric(Return$Sukuk)
Return$DJ <- as.numeric(Return$DJ)
Return$Date <- as.Date(Return$Date)

library(xts)
xts_data <- xts(Return, order.by = Return$Date)
row.names(xts_data) <- xts_data$Date #membuat index dari $Date
xts_data$Date <- NULL #menghapus kolom $Date
xts_data <- na.omit(xts_data) #menghapus data NA
xts_data #print

VAR: Estimation of a VAR(p)

Fungsi VAR bekerja pada data dengan format zoo dataframe. Sehingga kita harus mengkonversinya menjadi format zoo dari xts dengan library zoo. Kemudian mengkonversi zoo data menjadi zoo dataframe.

library(zoo)
zoo_data = zoo(xts_data) #konversi data xts menjadi format zoo
zoo_data_df <- as.data.frame(zoo_data) # konversi zoo object to a dataframe
sum(is.na(zoo_data_df)) # Check for NA, harus 0

#DATA CLEANING

zoo_data_df <- data.frame(lapply(zoo_data_df, function(x) as.numeric(as.character(x)))) #Yakinkan semua variabel adalah numeric
sapply(zoo_data_df, class) # Check if there are any non-numeric columns left
sum(is.na(zoo_data_df)) # check for NAs, harus 0
zoo_data_df <- na.omit(zoo_data_df) # Removing rows with NAs
zoo_data_df

library(vars)
fit_var <- VAR(zoo_data_df, p = 1)

#Menghitung VAR dengan berbagai type
VAR(zoo_data_df, p = 1, type = "none")
VAR(zoo_data_df, p = 1, type = "const")
VAR(zoo_data_df, p = 1, type = "trend")
VAR(zoo_data_df, p = 1, type = "both")

---- Result ----
VAR Estimation Results:
======================= 

Estimated coefficients for equation Rupiah: 
=========================================== 
Call:
Rupiah = Rupiah.l1 + Gold.l1 + Stock.l1 + Sukuk.l1 + DJ.l1 

 Rupiah.l1    Gold.l1   Stock.l1   Sukuk.l1      DJ.l1 
 0.9510136 -0.3155666 -0.1504096  1.8282876  4.7401423 

...
----

BayesPrior

BayesPrior bekerja dalam numeric/complex matrix/vector arguments. Fungsi membutuhkan library ConnectednessApproach.

n_obs <- nrow(coredata(zoo_data)) # check jumlah obs.
n_obs #print, harus lebih dari 1
zoo_data_numeric <- zoo(apply(zoo_data, 2, as.numeric), order.by=index(zoo_data)) # Konversi zoo_data menjadi numeric
str(zoo_data_numeric) # memastikan semua data numeric
any(is.na(zoo_data_numeric) | is.infinite(zoo_data_numeric)) # memastikan tidak ada NA, hasil FALSE
zoo_data_numeric[is.na(zoo_data_numeric)] <- 0 # kalau ada NA, isi dengan 0

library(ConnectednessApproach)
prior <- BayesPrior(zoo_data_numeric, nlag=1) # dapatkan BayesPrior

TVPVAR

TVPVAR dapat dihitung dengan menggunakan format data zoo numeric dan prior yang telah didapatkan dengan BayesPrior:

fit_tvpvar = TVPVAR(zoo_data_numeric, configuration=list(nlag=1, prior=prior, l=c(0.99,0.99)))

HedgeRatio

HedgeRatio dapat dihitung dengan format data zoo numeric dan fit_tvpvar yang telah didapatkan dengan TVPVAR:

hr = HedgeRatio(zoo_data_numeric, fit_tvpvar$B)
hr

TimeConnectedness

ca = TimeConnectedness(Phi=fit_tvpvar$B, Sigma=fit_tvpvar$Q, nfore=10, generalized=TRUE)

#plot
PlotNetwork(ca, method = "NPDC", path=NULL,threshold = 0.25)

PlotNET(ca, method = "NPDC", path=NULL,threshold = 0.25)
PlotINF(ca, method = "NPDC", path=NULL,threshold = 0.25)
PlotFROM(ca, method = "NPDC", path=NULL,threshold = 0.25)
PlotNPDC(ca, method = "NPDC", path=NULL,threshold = 0.25)