Large time‐varying parameter VARs: A nonparametric approach
大型时变参数VAR：一种非参数方法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：摘要明确提出时变参数VAR、预测宏观变量并分析油价冲击对美国产业产出的影响，直接对应VAR分析与宏观预测。
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…
大型时变参数VAR：一种非参数方法
- 研究问题
- 大型VAR如何在参数随时间变化时实现可行估计与宏观预测，并用于分析油价冲击对美国各产业产出影响的动态变化？
- 方法与思路
- 作者提出大型时变参数VAR的非参数估计方法，给出估计量及渐近分布的闭式表达，并开展宏观预测比较与油价冲击的结构分析。
- 材料陈述的贡献
- 摘要称方法计算高效，预测优于恒定参数基准，与大型贝叶斯时变VAR比较表现良好，并通过油价冲击应用解释产出响应的变化。
- 阅读关注点
- 核对非参数估计如何刻画参数变化、闭式分布的适用条件与调参方式，并重点检查油价冲击的识别及预测比较的样本和基准设定。
- 阅读边界
- 摘要未给出样本、预测误差幅度或冲击识别条件；预测优势和全球需求解释均属于作者报告的应用结果，仍需核查其证据与适用范围。
原文摘要
Summary In this paper we introduce a nonparametric estimation method for a large Vector Autoregression (VAR) with time‐varying parameters. The estimators and their asymptotic distributions are available in closed form. This makes the method computationally efficient and capable of handling information sets as large as those typically handled by factor models and Factor Augmented VARs. When applied to the problem of forecasting key macroeconomic variables, the method outperforms constant parameter benchmarks and compares well with large (parametric) Bayesian VARs with time‐varying parameters. The tool can also be used for structural analysis. As an example, we study the time‐varying effects of oil price shocks on sectoral U.S. industrial output. According to our results, the increased role of global demand in shaping oil price fluctuations largely explains the diminished recessionary effects of global energy price increases.