Vector autoregression models with skewness and heavy tails
具有偏度与厚尾的向量自回归模型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。
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：摘要明确扩展宏观 VAR 模型，并研究宏观时间序列的预测表现。
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…
具有偏度与厚尾的向量自回归模型
- 研究问题
- 宏观经济变量在衰退和危机期间可能具有偏度与厚尾；如何扩展 VAR 的误差分布以刻画这些特征，并评估其对预测的作用？
- 方法与思路
- 作者在 VAR 误差项中引入带随机波动率的广义双曲偏 Student-t 分布，提供基于 Gibbs 抽样的贝叶斯推断与模型选择工具。
- 材料陈述的贡献
- 摘要称月度宏观数据应用提供偏度和厚尾的证据，并显示考虑偏度有助于衰退与危机期间的预测，同时提出相应模型及推断工具。
- 阅读关注点
- 应核对误差分布参数化、先验与抽样算法、模型选择标准，以及危机期样本外预测比较是否区分偏度和厚尾的作用。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明预测改善幅度或结构冲击识别方式，不能据此解释冲击的因果效应。
原文摘要
With uncertain changes of the economic environment, macroeconomic downturns during recessions and crises can hardly be explained by a Gaussian structural shock. There is evidence that the distribution of macroeconomic variables is skewed and heavy tailed. In this paper, we contribute to the literature by extending a vector autoregression (VAR) model to account for a more realistic assumption of the multivariate distribution of the macroeconomic variables. We propose a general class of generalized hyperbolic skew Student's t distribution with stochastic volatility for the error term in the VAR model that allows us to take into account skewness and heavy tails. Tools for Bayesian inference and model selection using a Gibbs sampler are provided. In an empirical study, we present evidence of skewness and heavy tails for monthly macroeconomic variables. The analysis also gives a clear message that skewness should be taken into account for better predictions during recessions and crises.