Distributional Vector Autoregression: Eliciting Macro and Financial Dependence
分布向量自回归：刻画宏观与金融依赖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：摘要明确扩展多变量时间序列 VAR、构造冲击响应并评价宏观预测。
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
分布向量自回归：刻画宏观与金融依赖
- 研究问题
- 如何在不施加强参数分布限制的情况下描述多变量时间序列，并刻画系统内分布扰动的动态影响及宏观金融关系的异质性？
- 方法与思路
- 作者以灵活的分布回归扩展 VAR，定义分布冲击响应函数，提出估计方法并在弱依赖条件下分析渐近性质，再应用于美国经济数据。
- 材料陈述的贡献
- 摘要称该框架可展示分布扰动的动态异质性，应用中的预测表现优于所比较方法，并揭示大衰退时期的分布互动与货币政策动态。
- 阅读关注点
- 应核对分布扰动和冲击响应的定义、政策冲击的识别方式、弱依赖条件及估计步骤，并检查预测比较和分布互动的解释边界。
- 阅读边界
- 仅依据给定 Crossref 版本摘要。具体分布回归形式、结构识别假设、比较基准和预测数值未说明，不能将分布响应直接视为因果效应。
原文摘要
ABSTRACT This paper extends the vector autoregression framework by introducing a flexible distributional regression that models multivariate time series without imposing restrictive parametric distribution assumptions. We develop a distributional impulse response function that captures the future effect of distributional disturbances within the system, providing a more detailed view of dynamic heterogeneity. We propose a straightforward estimation method and establish its asymptotic properties under weak dependence assumptions. Our model, in an application to U.S. economic data, exhibits strong forecasting capabilities compared to existing alternatives. By examining distributional interactions and monetary policy impacts, particularly during the Great Recession, we uncover complex macroeconomic dynamics.