Contemporaneous threshold autoregressive models: Estimation, testing and forecasting
同期门限自回归模型：估计、检验与预测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。
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：摘要明确提出门限自回归模型并研究多步预测，直接对应时间序列与预测方法。
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…
同期门限自回归模型：估计、检验与预测
- 研究问题
- 如何让平滑转换自回归模型的状态权重反映潜在状态变量同期越过门限的事前概率，并据此开展估计、状态数选择和多步预测？
- 方法与思路
- 作者提出同期平滑转换门限自回归模型，评估最大似然估计，修改既有程序以确定状态数，并构造多步预测及短期利率应用。
- 材料陈述的贡献
- 摘要所述贡献包括新的状态权重机制、有限样本估计评估、状态数确定程序和多步预测构造，并展示短期利率的实证应用。
- 阅读关注点
- 核对潜在状态变量与事前信息集的定义、概率权重的计算、似然构造、状态数检验的有效条件，以及多步预测的评估设计。
- 阅读边界
- 依据所给作者／机构库版本摘要，不能推断刊本变化；摘要部分表述不够清晰，也未给出识别条件、有限样本结果或预测改善幅度。
原文摘要
This paper proposes a contemporaneous smooth transition threshold autoregressive model (C-STAR) as a modification of the smooth transition threshold autoregressive model surveyed in Teräsvirta (1998), in which the regime weights depend on the ex ante probability that a latent regime-specific variable will exceed a threshold value. We argue that the contemporaneous model is well-suited to rational expectations applications (and pricing exercises), in that it allows the initial regimes does not require to be predetermined. We investigate the properties of the model and evaluate its finitesample maximum likelihood performance. We also propose a method to determine the number of regimes based on a modified Hansen (1992) procedure. Furthermore, we construct multiple-step ahead forecasts and evaluate the forecasting performance of the model. Finally, an empirical application of the short term interest rate yield is presented and discussed.