Nonlinear Fore(Back)casting and Innovation Filtering for Causal-Noncausal VAR Models
因果—非因果VAR模型的非线性预测、回溯预测与创新过滤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：摘要直接研究VAR的预测密度、预测区间和脉冲响应，并应用于油价与实际GDP增长。
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
因果—非因果VAR模型的非线性预测、回溯预测与创新过滤
- 研究问题
- 混合因果—非因果VAR如何进行向前与向后预测，并在尾部分位数难估计时校准区间，同时构造用于脉冲响应的创新？
- 方法与思路
- 作者利用过程在正向和逆向时间的马尔可夫性质推导预测密度，以回溯公式调整覆盖率，并定义依赖过去的非线性创新。
- 材料陈述的贡献
- 摘要称给出向前和向后预测密度的闭式公式、反映估计不确定性的预测区间置信集，以及用于脉冲响应分析的新创新定义。
- 阅读关注点
- 应核对双向马尔可夫性质的条件、覆盖率校准方式和置信集构造，并区分时间序列中非因果结构与经济冲击的因果识别。
- 阅读边界
- 这是arXiv预印本，同行评审与接收未核实。摘要未说明分布条件或校准保证，模型的因果命名不自动赋予结构因果解释。
原文摘要
We show that the mixed causal-noncausal Vector Autoregressive (VAR) processes satisfy the Markov property in both calendar and reverse time. Based on that property, we introduce closed-form formulas of forward and backward predictive densities for point and interval forecasting and backcasting out-of-sample. The backcasting formula is used for adjusting the forecast interval to obtain a desired coverage level when the tail quantiles are difficult to estimate. A confidence set for the prediction interval is introduced for assessing the uncertainty due to estimation. We also define new nonlinear past-dependent innovations of mixed causal-noncausal VAR models for impulse response function analysis. Our approach is illustrated by simulations and an application to oil prices and real GDP growth rates.