On the Shape of the Likelihood/Posterior in Cointegration Models
协整模型中似然与后验的形状AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究 VAR 协整与平稳性模型比较，未讨论结构冲击识别或脉冲响应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
协整模型中似然与后验的形状
- 研究问题
- 协整 VAR 模型的参数化、先验及初始值设定如何影响后验可积性，以及平稳、协整和差分平稳模型之间的比较？
- 方法与思路
- 作者采用直接反映协整性质的系统参数化，比较平坦先验与 Jeffreys 先验，并分析固定、随机初始值及美国利率示例。
- 材料陈述的贡献
- 摘要称平坦先验下部分边际后验可能不可积，并不当地偏向差分平稳模型；论文进一步研究 Jeffreys 先验的敏感性。
- 阅读关注点
- 应核对不可积现象的参数区域、Jeffreys 先验的构造与后验适定条件，以及初始值如何改变似然和模型比较结果。
- 阅读边界
- 仅据所给 Crossref 摘要；先验构造、完整条件及利率示例数值未说明，不能认定任意 Jeffreys 先验都解决这些问题。
原文摘要
A vector autoregressive (VAR) model is specified with equation system parameters, which directly reflect the possible cointegrating nature of the analyzed time series. By using a flat/diffuse prior, we show that the marginal posteriors of the parameters of interest (multipliers of the cointegrating vectors) may be nonintegrable and favor difference stationary models in an undesired way. To choose between stationary, cointegrated, and difference stationary models in a meaningful way, the Jeffreys prior principle is used. We investigate the sensitivity of the posterior results with respect to the construction of the Jeffreys prior. In this context, we also analyze the effect of fixed and stochastic initial values. The theoretical results are illustrated by using a VAR model for shortand long–term interest rates in the United States.