Zero-inflated stochastic volatility model for disaggregated inflation data with exact zeros
含精确零值的细分通胀数据零膨胀随机波动率模型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：摘要以细分通胀时间序列的动态建模、趋势估计与样本外预测为核心。
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
含精确零值的细分通胀数据零膨胀随机波动率模型
- 研究问题
- 细分 CPI 序列中的精确零价格变化如何影响趋势通胀、波动率和预测，能否通过联合建模零值生成过程改善估计与区间校准？
- 方法与思路
- 作者为非平稳实值多变量序列构建零膨胀随机波动率模型，联合指定动态零值过程，并推导 Pólya–Gamma 增广 Gibbs 后验采样器。
- 材料陈述的贡献
- 摘要称美、英、德、日细分 CPI 应用中，该模型提供更有信息的趋势与波动估计，并改善样本外点预测及区间校准，零值较多时更明显。
- 阅读关注点
- 应核对精确零值与连续价格变化的联合机制、趋势和波动的识别，以及先验、采样收敛和样本外比较是否公平处理数据结构。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供数据时期、比较数值或完整设定，不能据此判断所有通胀序列均会改善。
原文摘要
The disaggregated time-series for the Consumer Price Index (CPI) often exhibits exact zero price changes, stemming from structural features of the data collection process. However, the currently prominent stochastic volatility model of trend-inflation is designed for aggregate measures of price inflation, where zeros rarely occur. We formulate a zero-inflated stochastic volatility model applicable to such non-stationary, real-valued, multivariate time-series data with exact zeros, which jointly specifies the dynamic zero-generating process. For posterior inference, an efficient custom Pólya--Gamma augmented Gibbs sampler is derived. Applying the model to disaggregated CPI data in four advanced economies -- US, UK, Germany, and Japan -- we find that the zero-inflated model yields more informative estimates of time-varying trend and volatility, as it accounts for the presence of zeros and avoids underestimation. In an out-of-sample forecasting exercise, we find that the zero-inflated model delivers improved point forecasts and better calibrated interval forecasts, particularly when zero-inflation is prevalent.