Monitoring multicountry macroeconomic risk
多国宏观经济风险监测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确提出宏观分位数因子增强 VAR，分析全球冲击的脉冲响应并比较尾部预测，直接对应因子、冲击和预测方向。
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…
多国宏观经济风险监测
- 研究问题
- 如何同时刻画不同国家及宏观变量分布位置的异质性，并分析全球冲击对各国宏观风险和短期尾部预测的影响？
- 方法与思路
- 作者提出多国分位数因子增强向量自回归模型，开发两种后验推断算法，并使用欧元区月度数据开展预测和情景分析。
- 材料陈述的贡献
- 摘要称该模型在所用数据上改善短期尾部预测，并提供分位数脉冲响应与关联度指标，用于联合风险情景分析。
- 阅读关注点
- 应核对分位数因子的定义与识别、全球冲击的识别方式、后验算法取舍，以及预测窗口、比较基准和尾部预测评价标准。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未说明样本范围、冲击识别限制及预测改善幅度，不能确认跨样本优势。
原文摘要
We propose a multicountry quantile factor augmeneted vector autoregression (QFAVAR) to model heterogeneities both across countries and across characteristics of the distributions of macroeconomic time series. The presence of quantile factors allows for summarizing these two heterogeneities in a parsimonious way. We develop two algorithms for posterior inference that feature varying level of trade-off between estimation precision and computational speed. Using monthly data for the euro area, we establish the good empirical properties of the QFAVAR as a tool for assessing the effects of global shocks on country-level macroeconomic risks. In particular, QFAVAR short-run tail forecasts are more accurate compared to a FAVAR with symmetric Gaussian errors, as well as univariate quantile autoregressions that ignore comovements among quantiles of macroeconomic variables. We also illustrate how quantile impulse response functions and quantile connectedness measures, resulting from the new model, can be used to implement joint risk scenario analysis.