Efficient Estimation of State-Space Mixed-Frequency VARs: A Precision-Based Approach
状态空间混频 VAR 的高效估计：基于精度矩阵的方法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：摘要明确涉及混频 VAR 的时间序列估计、即时预测用途及货币政策冲击响应应用，直接支持这三个领域细分。
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
状态空间混频 VAR 的高效估计：基于精度矩阵的方法
- 研究问题
- 如何降低状态空间混频 VAR 的估计成本，尤其处理大型随机波动率系统中低频变量的缺失观测，并服务于即时预测和宏观分析？
- 方法与思路
- 作者利用带状与稀疏矩阵算法提出两种基于精度矩阵的采样器，抽取低频变量的缺失观测，并与基于卡尔曼滤波的方法比较。
- 材料陈述的贡献
- 摘要称模拟中方法的数值精度和计算效率更好，并展示月度产出缺口估计与 GDP 对货币政策冲击响应两个宏观应用。
- 阅读关注点
- 应核对采样器处理的条件分布、混频观测限制和计算复杂度，以及模拟基准、月度变量构造与货币政策冲击的识别方法。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未提供耗时、精度数值及冲击识别细节，不能判断所有模型规模下的优势。
原文摘要
State-space mixed-frequency vector autoregressions are now widely used for nowcasting. Despite their popularity, estimating such models can be computationally intensive, especially for large systems with stochastic volatility. To tackle the computational challenges, we propose two novel precision-based samplers to draw the missing observations of the low-frequency variables in these models, building on recent advances in the band and sparse matrix algorithms for state-space models. We show via a simulation study that the proposed methods are more numerically accurate and computationally efficient compared to standard Kalman-filter based methods. We demonstrate how the proposed method can be applied in two empirical macroeconomic applications: estimating the monthly output gap and studying the response of GDP to a monetary policy shock at the monthly frequency. Results from these two empirical applications highlight the importance of incorporating high-frequency indicators in macroeconomic models.