Long Run Risk in Stationary Structural Vector Autoregressive Models
平稳结构向量自回归模型中的长期风险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：摘要明确研究平稳高持续性时间序列、结构 VAR 及长期预测，并有宏观数据应用，直接支持这三个方法方向。
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…
关注这篇论文的作者
平稳结构向量自回归模型中的长期风险
- 研究问题
- 平稳但高度持续的序列如何包含不可忽略的长期风险，具有不同时间尺度的潜在成分会怎样限制长期参数估计与预测？
- 方法与思路
- 作者引入局部趋于单位根且噪声尺度较小的过程，将日历时间的短期成分与超长期尺度成分结合，研究单变量及多变量 SVAR。
- 材料陈述的贡献
- 摘要称，本文发展潜在成分 SVAR 的估计和长期预测方法，并揭示部分长期参数无法一致估计，辅以模拟和宏观数据应用。
- 阅读关注点
- 应核对局部参数序列与平稳性条件、两种时间尺度的定义，以及哪些长期参数不能一致估计、为何如此和预测如何实施。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未列出不可一致估计的具体参数或条件，不能外推为所有 SVAR 的限制。
原文摘要
This paper introduces a local-to-unity/small sigma process for a stationary time series with strong persistence and non-negligible long run risk. This process represents the stationary long run component in an unobserved short- and long-run components model involving different time scales. More specifically, the short run component evolves in the calendar time and the long run component evolves in an ultra long time scale. We develop the methods of estimation and long run prediction for the univariate and multivariate Structural VAR (SVAR) models with unobserved components and reveal the impossibility to consistently estimate some of the long run parameters. The approach is illustrated by a Monte-Carlo study and an application to macroeconomic data.