Modelling and Forecasting Macroeconomic Risk with Time Varying Skewness Stochastic Volatility Models
利用时变偏度随机波动模型刻画与预测宏观经济风险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。
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：摘要明确构建单变量与 VAR 宏观时间序列模型，并预测 GDP 增长下行风险。
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
利用时变偏度随机波动模型刻画与预测宏观经济风险
- 研究问题
- 如何在宏观风险建模与预测中同时容纳时变波动和时变偏度，并评估这些特征对美国经济增长下行风险预测的作用？
- 方法与思路
- 作者采用具有时变偏度的偏正态及偏 t 冲击，利用混合随机表示构造单变量与 VAR 模型的贝叶斯后验模拟算法。
- 材料陈述的贡献
- 摘要称，该框架在美国 GDP 增长下行风险预测中具有竞争力，中等规模 VAR 的估计还显示时变偏度对宏观金融冲击具有相关性。
- 阅读关注点
- 核对偏度与波动动态的区分、先验和采样算法、下行风险的定义，以及样本外预测方案与分位数回归的比较指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未报告预测增益数值，也未说明 VAR 冲击是否具有结构性识别。
原文摘要
Monitoring downside risk and upside risk to the key macroeconomic indicators is critical for effective policymaking aimed at maintaining economic stability. In this paper I propose a parametric framework for modelling and forecasting macroeconomic risk based on stochastic volatility models with Skew-Normal and Skew-t shocks featuring time varying skewness. Exploiting a mixture stochastic representation of the Skew-Normal and Skew-t random variables, in the paper I develop efficient posterior simulation samplers for Bayesian estimation of both univariate and VAR models of this type. In an application, I use the models to predict downside risk to GDP growth in the US and I show that these models represent a competitive alternative to semi-parametric approaches such as quantile regression. Finally, estimating a medium scale VAR on US data I show that time varying skewness is a relevant feature of macroeconomic and financial shocks.