Monitoring multi-country macroeconomic risk: A quantile factor-augmented vector autoregressive (QFAVAR) approach
监测多国宏观风险：分位数因子扩展向量自回归方法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：摘要明确结合分位数因子、向量自回归冲击分析和宏观尾部预测。
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…
监测多国宏观风险：分位数因子扩展向量自回归方法
- 研究问题
- 如何同时概括各国宏观序列与其不同分位数之间的异质性，并评估全球冲击对国家层面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扩展向量自回归，以分位数因子压缩跨国及跨分位数依赖，使用欧元区月度数据开展冲击与情景分析。
- 材料陈述的贡献
- 摘要称该模型的短期尾部预测优于所列高斯因子模型和随机波动率规格，并可利用单独分位数建模开展宏观风险情景分析。
- 阅读关注点
- 应核对分位数因子的估计与识别、全球冲击的识别方式、预测评价样本与损失函数，以及情景设定如何转化为分位数变化。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断冲击识别假设、预测改进幅度及比较公平性；优势和独特性均属作者陈述，不推断刊本变化。
原文摘要
A multi-country quantile factor-augmented vector autoregression is proposed to model heterogeneities both across countries and across characteristics of the distributions of macroeconomic time series. The presence of quantile factors enables a parsimonious summary of these two heterogeneities by accounting for dependencies in the cross-sectional dimension as well as across different quantiles of macroeconomic data. Using monthly euro area data, the strong empirical performance of the new model in gauging the impact of global shocks on country-level macroeconomic risks is demonstrated. The short-term tail forecasts of QFAVAR outperform those of FAVARs with symmetric Gaussian errors as well as univariate and multivariate specifications featuring stochastic volatility. Modeling individual quantiles enables scenario analysis of macroeconomic risks, a unique feature absent in FAVARs with stochastic volatility or flexible error distributions.