Multivariate contemporaneous-threshold autoregressive models
多元当期阈值自回归模型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。
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：摘要明确提出多元平滑转换自回归模型，并讨论其动态性质与预测，直接对应时间序列和预测方法。
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…
多元当期阈值自回归模型
- 研究问题
- 如何在多元平滑转换自回归模型中刻画当期状态相关的共同波动，并使状态权重反映潜在变量超过阈值的事前概率？
- 方法与思路
- 作者提出 C-MSTAR 模型，使状态权重取决于潜在状态变量的超阈值概率，并让转换函数依赖数据、全部参数及状态噪声协方差。
- 材料陈述的贡献
- 摘要称，该模型可刻画状态特定的当期共同波动，并讨论稳定性、分布、估计、检验和预测；以美国股价与利率关系作说明。
- 阅读关注点
- 应核对潜在状态变量和权重的定义、参数共同进入转换函数带来的估计问题，以及稳定性条件和预测评估的具体安排。
- 阅读边界
- 仅依据所给出版社摘要；摘要未列出稳定性条件、识别限制或预测结果，应用说明不能据此转化为预测优势或因果关系结论。
原文摘要
This paper proposes a contemporaneous-threshold multivariate smooth transition autoregressive (C-MSTAR) model in which the regime weights depend on the ex-ante probabilities that latent regime-specific variables exceed certain threshold values. A key feature of the model is that the transition function depends on all the parameters of the model as well as on the data. Since the mixing weights are also a function of the regime-specific noise covariance matrix, the model can account for contemporaneous regime-specific co-movements of the variables. The stability and distributional properties of the proposed model are discussed, as well as issues of estimation, testing and forecasting. The practical usefulness of the C-MSTAR model is illustrated by examining the relationship between US stock prices and interest rates.