Long-run risk in stationary vector autoregressive models
平稳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。
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：摘要直接研究平稳时间序列中的短期 VAR 与长期持续成分，并提出长期预测方法和宏观数据应用。
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
平稳向量自回归模型中的长期风险
- 研究问题
- 平稳过程为何仍可能具有长期持续性及不可忽略的长期预测和估计风险，哪些长期参数可能无法得到一致估计？
- 方法与思路
- 作者构造局部趋于单位根与小噪声尺度模型，将不可观测短期成分置于日历时间，长期成分置于超长单位的重标度时间。
- 材料陈述的贡献
- 摘要称提出含多变量 VAR 短期成分的估计与长期预测方法，并揭示部分长期参数无法一致估计所造成的长期风险。
- 阅读关注点
- 应核对两种时间尺度和局部渐近序列如何设定，哪些参数不可一致估计，以及这一限制如何传导至长期预测的不确定性。
- 阅读边界
- 仅据所给 OpenAlex 摘要；不可一致估计的参数范围、预测期限及应用数值未说明，不能推广为所有平稳 VAR 的结论。
原文摘要
This paper introduces a local-to-unity/small sigma model for stationary processes with long-range persistence and non-negligible long-run prediction and estimation risks. The model represents a process containing unobserved short and long-run components measured on different time scales. The short-run component is defined in calendar time, while the long-run component evolves in rescaled time with ultra-long units. We develop estimation and long-run prediction methods for time series with multivariate Vector Autoregressive (VAR) short-run components and reveal the impossibility of estimating consistently some of the long-run parameters, which causes significant estimation and prediction risks in the long run. A simulation study and an application to macroeconomic data illustrate the approach.