Bayesian Modeling of TVP-VARs Using Regression Trees
利用回归树对时变参数向量自回归模型进行贝叶斯建模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：摘要直接涉及 TVP-VAR、宏观参数变化、非参数因子结构及经济周期冲击响应。
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…
利用回归树对时变参数向量自回归模型进行贝叶斯建模
- 研究问题
- 宏观模型参数存在不稳定性时，如何允许条件均值与条件方差的参数随效应调节变量灵活变化，并研究通胀响应的非线性？
- 方法与思路
- 作者用贝叶斯加性回归树将时变参数建模为效应调节变量的未知函数，再通过非参数因子结构和收缩先验控制模型复杂度。
- 材料陈述的贡献
- 摘要称，方法以非参数方式描述参数演化，并用美国宏观数据展示菲利普斯曲线变化及经济周期冲击对通胀影响的非线性。
- 阅读关注点
- 应核对调节变量的选择与时点、因子结构及收缩先验的作用，以及冲击如何识别、响应变化如何与参数不确定性区分。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明冲击识别限制、具体数据及预测比较，不能据此断言预测或识别更优。
原文摘要
In light of widespread evidence of parameter instability in macroeconomic models, many time-varying parameter (TVP) models have been proposed. This paper proposes a nonparametric TVP-VAR model using Bayesian additive regression trees (BART) that models the TVPs as an unknown function of effect modifiers. The novelty of this model arises from the fact that the law of motion driving the parameters is treated nonparametrically. This leads to great flexibility in the nature and extent of parameter change, both in the conditional mean and in the conditional variance. Parsimony is achieved through adopting nonparametric factor structures and use of shrinkage priors. In an application to US macroeconomic data, we illustrate the use of our model in tracking both the evolving nature of the Phillips curve and how the effects of business cycle shocks on inflation measures vary nonlinearly with changes in the effect modifiers.