Asymmetric conjugate priors for large Bayesian VARs
大型贝叶斯 VAR 的非对称共轭先验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：摘要核心是大型贝叶斯 VAR 的先验与后验计算，并给出符号限制下的结构冲击分析，支持时间序列和宏观冲击分类。
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
大型贝叶斯 VAR 的非对称共轭先验
- 研究问题
- 大型贝叶斯 VAR 能否在更强收缩其他变量滞后系数的同时，保留共轭先验便于计算的性质和快速后验模拟能力？
- 方法与思路
- 作者构造允许跨变量差异化收缩的先验，保留包括边际似然闭式表达在内的解析结果，并通过符号限制的结构 VAR 分析展示应用。
- 材料陈述的贡献
- 摘要称新先验兼具跨变量收缩灵活性和计算便利，报告大型模型的快速后验抽样，并以十五变量、五类结构冲击的分析示例。
- 阅读关注点
- 应核对先验如何区分自身与其他变量滞后项、保留哪些共轭性质、边际似然公式成立的条件，以及计算时间的实现环境。
- 阅读边界
- 仅依据所给 Crossref 摘要；先验细节和基准比较未说明，所报运行速度依赖硬件与实现，不能据此断言预测更优或推断版本变化。
原文摘要
Large Bayesian VARs are now widely used in empirical macroeconomics. One popular shrinkage prior in this setting is the natural conjugate prior as it facilitates posterior simulation and leads to a range of useful analytical results. This is, however, at the expense of modeling flexibility, as it rules out cross‐variable shrinkage, that is, shrinking coefficients on lags of other variables more aggressively than those on own lags. We develop a prior that has the best of both worlds: it can accommodate cross‐variable shrinkage, while maintaining many useful analytical results, such as a closed‐form expression of the marginal likelihood. This new prior also leads to fast posterior simulation—for a BVAR with 100 variables and 4 lags, obtaining 10,000 posterior draws takes less than half a minute on a standard desktop. We demonstrate the usefulness of the new prior via a structural analysis using a 15‐variable VAR with sign restrictions to identify 5 structural shocks.