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。
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：摘要直接研究用于结构分析和预测的高维时变参数 VAR。
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 中缓解时变参数模型的计算负担与过度参数化，同时判断哪些方程确实需要系数和同期关系随时间变化？
- 方法与思路
- 作者提出贝叶斯稀疏化方法，逐方程自动选择 VAR 系数及同期关系采用常数或时变形式，构成混合时变参数模型。
- 材料陈述的贡献
- 摘要称美国数据支持部分而非全部方程参数时变，且大型混合模型的预测表现优于许多标准基准，但没有给出改善幅度。
- 阅读关注点
- 应核对常数与时变形式的选择机制、先验和计算成本，以及同期关系设定、预测评估窗口与各基准的具体规格。
- 阅读边界
- 仅依据所给 OpenAlex 摘要，不能推断其他版本变化。摘要未说明完整先验和预测设计，不能认定所有场景均有优势。
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 U.S. 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. Supplementary materials for this article are available online.