Noncausal Bayesian Vector Autoregression
非因果贝叶斯向量自回归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：摘要以美国通胀和GDP增长序列为应用对象，研究非因果VAR及预测分布，直接对应时间序列与宏观预测。
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
非因果贝叶斯向量自回归
- 研究问题
- 非因果向量自回归能否在贝叶斯框架下刻画非线性和遗漏变量效应，并改善美国通胀与GDP增长的拟合、预测及冲击分析？
- 方法与思路
- 作者对其称可捕捉非线性与遗漏变量效应的非因果VAR进行贝叶斯分析，设计后验模拟器，并在模拟过程中得到预测分布。
- 材料陈述的贡献
- 摘要称该模型的拟合和样本外预测优于常规因果VAR，冲击具有较强的提前可预期性；GDP增长可预测通胀，反向关系未获支持。
- 阅读关注点
- 重点核对非因果模型的参数识别、后验模拟与预测评估方式，以及经济冲击为何被解释为可提前预期、预测方向如何检验。
- 阅读边界
- 摘要未说明识别条件、先验设定和预测评估细节；其拟合与预测比较不能据此推广到其他时期，也不能直接作为政策因果结论。
原文摘要
Summary We consider Bayesian analysis of the noncausal vector autoregressive model that is capable of capturing nonlinearities and effects of missing variables. Specifically, we devise a fast and reliable posterior simulator that yields the predictive distribution as a by‐product. We apply the methods to postwar US inflation and GDP growth. The noncausal model is found superior in terms of both in‐sample fit and out‐of‐sample forecasting performance over its conventional causal counterpart. Economic shocks based on the noncausal model turn out to be highly anticipated in advance. We also find the GDP growth to have predictive power for future inflation, but not vice versa. Copyright © 2016 John Wiley & Sons, Ltd.