Vector autoregressive moving average identification for macroeconomic modeling: A new methodology
宏观建模中的 VARMA 识别：一种新方法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：摘要聚焦宏观 VARMA、单位根与协整模型的结构设定，直接属于时间序列。
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
宏观建模中的 VARMA 识别：一种新方法
- 研究问题
- 如何自动确定宏观 VARMA 模型的结构，使识别方法同时适用于渐近平稳序列及含单位根、协整关系的序列？
- 方法与思路
- 作者从阶梯形表示出发，以 Kronecker 不变量构造典范表示和标量动态方程，提出数据驱动的模型设定程序。
- 材料陈述的贡献
- 摘要称该自动设定方法具有强一致性，无需依赖 VAR 近似，并讨论 Kronecker 不变量的实际应用问题。
- 阅读关注点
- 应核对强一致性的条件、Kronecker 指标选择步骤、协整情形的处理，以及标量方程中“结构”的具体含义。
- 阅读边界
- 仅据所给出版社摘要，无法判断自动设定的有限样本可靠性；这里的模型结构识别不能直接等同于经济冲击识别。
原文摘要
This paper develops a new methodology for identifying the structure of VARMA time series models. The analysis proceeds by examining the echelon form and presents a fully automatic, strongly consistent, data driven approach to model specification. A novel feature of the inferential procedures developed here is that they work in terms of a canonical representation based on the Kronecker invariants in which the variables are expressed in the form of scalar dynamic structural equations derived from the VARMA system. This feature facilitates the construction of procedures which, from the perspective of macroeconomic modeling, can be efficacious in that they do not rely on VAR approximations. Techniques that are applicable to both asymptotically stationary and unit-root, partially nonstationary (cointegrated) time series models are presented. The inferential potential of the techniques is illustrated via simulation experiments that use data generating mechanisms based on real world examples drawn from the time series literature. Aspects of the Kronecker invariants that impinge on practical application and that have not hitherto been discussed in the literature are explored.