A Design Concept of Forecasting Software for Normalized Vector Autoregressions with Fat Tails and Stochastic Volatility
厚尾与随机波动率下规范化向量自回归预测软件的设计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：摘要明确面向宏观经济预测，并以动态时间序列及 VAR 模型为软件对象。
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
厚尾与随机波动率下规范化向量自回归预测软件的设计
- 研究问题
- 面对复杂贝叶斯动态模型带来的计算负担，如何设计便于宏观预测与结构分析的 R 软件及标准工作流程？
- 方法与思路
- 作者整合精选模型、C++ 算法、计量与数值方法及复杂输入输出处理，在 R 中组织不同维度和频率的时间序列分析。
- 材料陈述的贡献
- 摘要称软件支持原创预测研究，并以非中心化随机波动率 VAR 相对中心化版本改善点预测和密度预测作为示例。
- 阅读关注点
- 核对规范化 VAR 与两种波动率参数化的具体定义、软件覆盖范围、计算比较，以及预测样本划分和评价指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未提供包名、算法细节或改善数值，单一示例不能证明一般预测优势。
原文摘要
We present a suite of R packages for macroeconomic forecasting that leverages advanced Bayesian, structural, multivariate, dynamic, hierarchical, non-linear, and non-Gaussian models. The suite enables both structural and predictive analyses, and is adapted to time series data across various types, dimensions, and sampling frequencies. Each additional feature increases computational complexity. To address this challenge, our software design incorporates a carefully curated selection of models, efficient algorithms implemented in C++, advanced econometric and numerical methods, robust handling of complex input and output objects, and standardised workflows. This approach combines the computational efficiency of C++ with the convenience of working with data in R. We demonstrate that our packages facilitate original research contributions in forecasting, as illustrated by our example in which vector autoregressions with non-centred stochastic volatility enhance density and point predictions relative to models with centred stochastic volatility.