Singular vector autoregressions
奇异向量自回归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：摘要明确研究奇异多元时间序列、VAR 表示及美国宏观经济的结构冲击分析。
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
奇异向量自回归
- 研究问题
- 宏观变量数多于结构冲击数时，如何对谱密度奇异的多元时间序列建立可估计的概率模型并开展结构分析？
- 方法与思路
- 作者在紧致线性子流形上相对于 Hausdorff 测度定义密度，并在贝叶斯框架中用 HMC 联合抽取系数、滞后阶数和冲击数。
- 材料陈述的贡献
- 摘要称提出适用于奇异过程的经验分析方法，并用少于变量数量的冲击对美国宏观经济开展结构分析。
- 阅读关注点
- 应核对有限阶 VAR 表示所需条件、子流形与密度的构造、不同维度间的抽样机制，以及结构冲击的识别方式。
- 阅读边界
- 仅依据所给出版社摘要；具体识别限制、先验、算法诊断和实证结果未说明，不能由冲击数较少推断模型更优。
原文摘要
This paper develops methods for the empirical analysis of singular processes, particularly in macroeconomics. A strong rationale, a well-developed theoretical framework and, as we show, empirical support exist for multivariate time series with a singular spectral density. A singular spectral density is consistent with economic theory underlying, for example, DSGE models in which the number of variables is greater than the number of structural shocks. This assumption guarantees the existence of a finite order VAR representation but there does not exist a unique probability density function with respect to the Lebesgue measure. We therefore define a density on a compact linear submanifold with respect to the Hausdorff measure and, in a Bayesian framework, develop an HMC algorithm that jointly samples coefficients, lag length, and the number of shocks. We use the proposed framework to carry out structural analysis on the US macroeconomy with fewer shocks than variables.