Large Hybrid Time-Varying Parameter VARs
大型混合时变参数 VAR 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：摘要明确研究时变参数 VAR，并讨论其结构分析用途及预测表现。
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
大型混合时变参数 VAR 模型
- 研究问题
- 如何在高维 VAR 中兼顾计算效率与参数简约性，并让不同方程的系数及同期关系分别采用恒定或时变设定？
- 方法与思路
- 作者为混合时变参数 VAR 提出贝叶斯稀疏化方法，逐方程自动判断 VAR 系数和变量同期关系是否需要随时间变化。
- 材料陈述的贡献
- 摘要称美国数据支持部分方程参数时变、部分恒定的设定，并报告大型混合模型的预测表现优于许多标准基准。
- 阅读关注点
- 应核对恒定与时变设定的选择机制、先验和计算成本，以及预测样本划分、比较基准、评价指标和预测差异的不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明具体数据、预测改进幅度或结构识别条件，结论范围仍待核对。
原文摘要
Time-varying parameter VARs with stochastic volatility are routinely used for structural analysis and forecasting in settings involving a few endogenous variables. Applying these models to high-dimensional datasets has proved to be challenging due to intensive computations and over-parameterization concerns. We develop an efficient Bayesian sparsification method for a class of models we call hybrid TVP-VARs--VARs with time-varying parameters in some equations but constant coefficients in others. Specifically, for each equation, the new method automatically decides whether the VAR coefficients and contemporaneous relations among variables are constant or time-varying. Using US datasets of various dimensions, we find evidence that the parameters in some, but not all, equations are time varying. The large hybrid TVP-VAR also forecasts better than many standard benchmarks.