Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions
含短期与长期约束的 VAR 模型选择、估计与预测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：摘要明确研究 VAR、协整与短期参数秩的模型选择，并评价预测准确性。
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…
含短期与长期约束的 VAR 模型选择、估计与预测
- 研究问题
- 如何联合选择 VAR 的滞后阶数、协整空间维度和短期参数矩阵的秩，并考察这些选择对预测准确性的影响？
- 方法与思路
- 作者提出两步模型选择程序，将传统准则与数据依赖惩罚准则结合，分析一致性，并开展模拟与两项实证应用。
- 材料陈述的贡献
- 摘要称作者证明该选择程序的一致性，并用蒙特卡洛和实证研究评估其有限样本表现及所选模型的预测用途。
- 阅读关注点
- 应核对两步程序的选择顺序、数据依赖惩罚的构造、三类维度的联合一致性条件，以及预测评价的基准模型。
- 阅读边界
- 仅依据所给出版社摘要；一致性条件、两项应用的内容和预测改善数值未说明，不能据此判断对所有 VAR 均有效。
原文摘要
We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We suggest a new two-step model selection procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties and we prove its consistency. A Monte Carlo study explores the finite sample performance of this procedure and evaluates the forecasting accuracy of models selected by this procedure. Two empirical applications confirm the usefulness of the model selection procedure proposed here for forecasting.