Steady‐state priors for vector autoregressions
向量自回归的稳态先验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：摘要明确研究平稳和协整 VAR 的简约式与结构式，并评价宏观数据预测准确性，对应时间序列、VAR 与预测。
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
向量自回归的稳态先验
- 研究问题
- 如何在贝叶斯 VAR 中直接表达对系统无条件均值或稳态的先验认识，并考察这些信息对宏观预测和协整分析的作用？
- 方法与思路
- 作者提出在平稳或协整 VAR 的简约式和结构式中加入信息性稳态先验的方法，并用瑞典宏观数据和美国消费财富关系示例说明。
- 材料陈述的贡献
- 摘要称方法易于实施，稳态先验在瑞典宏观数据上显著改善预测准确性，并展示了其在美国消费财富协整模型中的应用。
- 阅读关注点
- 应核对稳态在平稳与协整系统中的定义、先验与其他参数的联系，以及预测比较的基准、样本划分和先验敏感性。
- 阅读边界
- 所给 Crossref 摘要未给出预测改善数值、先验设定或模型限制，不能断言稳态先验在其他国家和所有预测期限均有效。
原文摘要
Abstract Bayesian priors are often used to restrain the otherwise highly over‐parametrized vector autoregressive (VAR) models. The currently available Bayesian VAR methodology does not allow the user to specify prior beliefs about the unconditional mean, or steady state, of the system. This is unfortunate as the steady state is something that economists usually claim to know relatively well. This paper develops easily implemented methods for analyzing both stationary and cointegrated VARs, in reduced or structural form, with an informative prior on the steady state. We document that prior information on the steady state leads to substantial gains in forecasting accuracy on Swedish macro data. A second example illustrates the use of informative steady‐state priors in a cointegration model of the consumption‐wealth relationship in the USA. Copyright © 2009 John Wiley & Sons, Ltd.