A Bayesian Approach to Modeling Time-Varying Cointegration and Cointegrating Rank
时变协整关系与协整秩的贝叶斯建模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：摘要明确研究多变量协整、平稳性以及随时间改变的协整矩阵和秩，直接对应时间序列与长期关系的结构变化。
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
时变协整关系与协整秩的贝叶斯建模
- 研究问题
- 当长期协整关系及协整秩可能随时间改变时，如何在多变量模型中刻画平稳性与非平稳性、协整与非协整状态之间的转换？
- 方法与思路
- 作者提出同时允许协整矩阵与协整秩时变的多变量模型，嵌套不同秩对应的子模型，并发展贝叶斯协整检验，应用于Fisher效应与股票市场。
- 材料陈述的贡献
- 摘要所述贡献是将长期关系的系数变化与秩变化纳入同一模型，容纳不同平稳和协整状态的转换，并给出相应贝叶斯检验及应用。
- 阅读关注点
- 核对时变矩阵和秩的演化设定、不同秩子模型的嵌套方式、贝叶斯检验所需先验，以及Fisher效应和股市应用中状态变化的证据。
- 阅读边界
- 摘要未说明秩变化机制、先验、计算方法及应用结论，也未报告检验性能；仅凭摘要无法判断时变设定的识别和经验稳健性。
原文摘要
A multivariate model that allows for both a time-varying cointegrating matrix and time-varying cointegrating rank is presented. The model addresses the issue that, in real data, the validity of a constant cointegrating relationship may be questionable. The model nests the submodels implied by alternative cointegrating matrix ranks and allows for transitions between stationarity and nonstationarity, and cointegrating and noncointegrating relationships in accordance with the observed behavior of the data. A Bayesian test of cointegration is also developed. The model is used to assess the validity of the Fisher effect and is also applied to equity market data.