Misspecification-Robust Shrinkage and Selection for VAR Forecasts and IRFs
VAR 预测与脉冲响应的误设稳健收缩及选择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：摘要直接研究 VAR 预测、脉冲响应和局部投影的任务型选择。
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…
VAR 预测与脉冲响应的误设稳健收缩及选择
- 研究问题
- 面对 VAR 的动态误设，如何根据预测或脉冲响应任务，联合选择估计方法、贝叶斯收缩程度和滞后阶数？
- 方法与思路
- 作者在局部动态误设框架下，利用频率学派风险的渐近无偏估计，分别构造预测准则 PC 和响应估计准则 IRFC。
- 材料陈述的贡献
- 摘要称，两类准则提供数据驱动的联合选择流程；IRFC 可在迭代 VAR 与局部投影之间选择，同时调节收缩和滞后。
- 阅读关注点
- 应核对局部误设的形式、风险函数与预测期限的关系、候选估计量集合，以及联合调参后风险估计的有效范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供数值评价或冲击识别条件，局部稳健性不能推广至任意误设。
原文摘要
Vector autoregressions (VARs) are vulnerable to dynamic misspecification, forcing researchers to navigate complex bias-variance trade-offs when forecasting or estimating impulse response functions (IRFs). We derive novel, task-specific selection criteria -- PC for forecasting and IRFC for IRF estimation -- based on asymptotically unbiased estimates of frequentist risk under local dynamic misspecification. These criteria give empirical researchers a fully data-driven and misspecification-aware workflow that simultaneously selects among candidate estimators, the degree of Bayesian shrinkage, and the lag length. IRFC is the first criterion allowing researchers to seamlessly choose between iterated-VAR and local-projection IRF estimators while jointly tuning shrinkage and lag length for the task at hand.