Nonlinear Forecast Error Variance Decompositions with Hermite Polynomials
基于 Hermite 多项式的非线性预测误差方差分解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：摘要直接研究非线性结构 VAR 的冲击贡献、方差分解及脉冲响应关系。
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
基于 Hermite 多项式的非线性预测误差方差分解
- 研究问题
- 在具有高斯创新的非线性结构向量自回归中，如何将预测误差方差按时间跨度、冲击分量和非线性程度分解，并区分冲击交互作用？
- 方法与思路
- 作者用 Hermite 多项式展开近似非线性过程的未来路径，利用其在高斯密度下的正交性构造方差分解，并联系非线性脉冲响应。
- 材料陈述的贡献
- 摘要称该分解能够区分冲击的边际与交互贡献，并分别展示时间跨度、结构创新分量和非线性阶次的作用，以模拟及财政冲击应用说明方法。
- 阅读关注点
- 应核对展开截断的近似误差、各项贡献的定义和归一化，以及与非线性脉冲响应的对应关系、高斯创新限制和冲击交互项的解释。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明收敛条件、估计不确定性或应用数值，不能直接推广至非高斯创新。
原文摘要
A novel approach to Forecast Error Variance Decompositions (FEVD) in nonlinear Structural Vector Autoregressive models with Gaussian innovations is proposed, called the Hermite FEVD (HFEVD). This method employs a Hermite polynomial expansion to approximate the future trajectory of a nonlinear process. The orthogonality of Hermite polynomials under the Gaussian density facilitates the construction of the decomposition, providing a separation of shock effects by time horizon, by components of the structural innovation and by degree of nonlinearity. A link between the HFEVD and nonlinear Impulse Response Functions is established and distinguishes between marginal and interaction contributions of shocks. Simulation results from standard nonlinear models are provided as illustrations and an application to fiscal policy shocks is examined.