Inference and prediction in a multiple-structural-break model
多重结构断点模型中的推断与预测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：摘要明确结合时间序列结构断点建模、样本外预测及美国 GDP 增长应用。
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
多重结构断点模型中的推断与预测
- 研究问题
- 如何在贝叶斯框架中同时描述样本内结构断点和预测期可能出现的新断点，并允许状态数量本身具有不确定性？
- 方法与思路
- 作者将状态数量设为随机变量，对各状态系数采用层级先验，并解析积分消去状态系数以开展后验模拟。
- 材料陈述的贡献
- 摘要称该方法可在状态之间共享系数信息，并使后验模拟快速可靠；美国实际 GDP 季度增长应用展示状态解释及预测。
- 阅读关注点
- 应核对断点与新状态的生成机制、状态数量和层级先验的设定，以及预测如何综合未来断点和参数的不确定性。
- 阅读边界
- 仅依据所给出版社摘要；先验细节、后验算法诊断及预测比较数值未说明，不能据此确认计算或预测优势的适用范围。
原文摘要
This paper develops a new Bayesian approach to structural break modeling. The focuses of the approach are the modeling of in-sample structural breaks and forecasting time series allowing out-of-sample breaks. The model has several desirable features. First, the number of regimes is not fixed but is treated as a random variable. Second, the model adopts a hierarchical prior for regime coefficients, which allows for the coefficients of one regime to contain information about coefficients of other regimes. Third, the regime coefficients can be integrated analytically in the posterior density; as a consequence the posterior simulator is fast and reliable. An application to US real GDP quarterly growth rates links groups of regimes to specific historical periods and provides forecasts of future growth rates.