Fast and Accurate Variational Inference for Large Bayesian VARs with Stochastic Volatility
大型随机波动贝叶斯 VAR 的快速精确变分推断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：摘要直接涉及大型 VAR 的时间序列推断、随机波动率及全球银行网络应用。
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
大型随机波动贝叶斯 VAR 的快速精确变分推断
- 研究问题
- 在大型随机波动贝叶斯 VAR 中，如何改进对数波动率联合后验的变分近似，避免局部近似遗漏分布整体信息？
- 方法与思路
- 作者提出覆盖联合分布整个支持集的全局变分近似，通过蒙特卡洛比较，并应用于含随机波动的九十六变量 VAR。
- 材料陈述的贡献
- 摘要称全局近似在模拟中的准确性提升超过一个数量级，并以全球银行网络关联度测量展示该方法的应用。
- 阅读关注点
- 应核对全局近似的分布族、优化过程、准确性度量和运行成本，以及银行网络关联度如何由 VAR 的估计结果构造。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未交代误差指标、模拟设定或速度结果，不能据此推广精度优势。
原文摘要
We propose a new variational approximation of the joint posterior distribution of the log-volatility in the context of large Bayesian VARs. In contrast to existing approaches that are based on local approximations, the new proposal provides a global approximation that takes into account the entire support of the joint distribution. In a Monte Carlo study we show that the new global approximation is over an order of magnitude more accurate than existing alternatives. We illustrate the proposed methodology with an application of a 96-variable VAR with stochastic volatility to measure global bank network connectedness.