Bayesian Graphical Models for STructural Vector Autoregressive Processes
结构向量自回归过程的贝叶斯图模型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：摘要直接研究结构 VAR 的图式识别与多变量时间序列建模，并提供美国宏观变量应用，对应结构 VAR 与时间序列。
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…
结构向量自回归过程的贝叶斯图模型
- 研究问题
- 如何用图分别表示结构 VAR 的同期与跨期因果结构，并联合估计这些结构和模型参数，以处理识别与模型选择问题？
- 方法与思路
- 作者以两个图表示同期和跨期结构，提出贝叶斯图 VAR，并用 MCMC 联合估计两个图结构及约化式 VAR 的参数。
- 材料陈述的贡献
- 摘要称方法适于中等维度识别与选模；金融应用报告金融危机期由金融至非金融的单向联系，欧债危机期则为双向联系。
- 阅读关注点
- 重点核对图的约束与结构识别假设、图结构及参数的先验设定和 MCMC 收敛情况，以及应用中联系方向的解释依据。
- 阅读边界
- 摘要未说明因果解释所需假设、先验敏感性及计算成本；图中联系方向不能仅凭摘要视为政策干预的因果效应。
原文摘要
Summary This paper proposes a Bayesian, graph‐based approach to identification in vector autoregressive (VAR) models. In our Bayesian graphical VAR (BGVAR) model, the contemporaneous and temporal causal structures of the structural VAR model are represented by two different graphs. We also provide an efficient Markov chain Monte Carlo algorithm to estimate jointly the two causal structures and the parameters of the reduced‐form VAR model. The BGVAR approach is shown to be quite effective in dealing with model identification and selection in multivariate time series of moderate dimension, as those considered in the economic literature. In the macroeconomic application the BGVAR identifies the relevant structural relationships among 20 US economic variables, thus providing a useful tool for policy analysis. The financial application contributes to the recent econometric literature on financial interconnectedness. The BGVAR approach provides evidence of a strong unidirectional linkage from financial to non‐financial super‐sectors during the 2007–2009 financial crisis and a strong bidirectional linkage between the two sectors during the 2010–2013 European sovereign debt crisis. Copyright © 2015 John Wiley & Sons, Ltd.