×
迪米特里斯·科洛比利斯；戴维·佩特努佐

高维向量自回归的自适应分层先验。 （英语） 兹比尔1452.62653

《经济学杂志》。 212，第1号，241-271（2019）.
摘要：本文提出了一种矢量自回归（VAR）的无模拟估计算法，该算法允许快速近似计算边际参数后验分布。我们将该算法应用于推导独立VAR先验的分析表达式，这些VAR先例允许层次表示，并且通常需要计算密集的后验模拟方法。通过三个定量练习探讨了新算法的优点。首先，蒙特卡罗实验说明了所提出的估计算法和先验的准确性和计算增益。第二，一项涉及根据宏观经济数据估计的VAR的预测实践表明，层次收缩先验能够找到有用的简约表示。我们还展示了我们的方法如何用于结构分析，以及它如何成功复制由大规模理论模型预测的新闻驱动的商业周期的重要特征。

引用于7文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
2015年1月62日 贝叶斯推断
62第20页 统计学在经济学中的应用

关键词：

贝叶斯VAR；混合物优先；大型数据集；宏观经济预测

软件：

bvarsv型
PDF格式BibTeX公司 XML格式引用
\textit{D.Korobilis}和\textit{D.Pettenuzzo}，J.Econom。212，第1号，241--271（2019；Zbl 1452.62653）
全文： 内政部 链接

参考文献：

[1] 班布拉，M。；詹诺内，D。；Reichlin，L.，大型贝叶斯向量自回归，J.Appl。计量经济学，25，1，71-92（2010）
[2] Barber，D.，《贝叶斯推理和机器学习》（2012），剑桥大学出版社·Zbl 1267.68001号
[3] Barsky，R.B。；Sims，E.R.，《新闻冲击与商业周期》，《货币经济学杂志》。，58, 3, 273-289 (2011)
[4] Beaudry，P.，Fve，P.，Guay，A.，Portier，F.，2015年。VAR中的非基础性何时才是真正的问题？《新闻冲击的应用》，工作论文，21466，国家经济研究局。；Beaudry，P.，Fve，P.，Guay，A.，Portier，F.，2015年。VAR中的非基础性何时才是真正的问题？《新闻冲击的应用》，工作文件，21466，国家经济研究局。
[5] Beaudry，P.，Portier，F.，2013年。新闻驱动的商业周期：洞察力与挑战，工作文件，19411年，国家经济研究局。；Beaudry，P.，Portier，F.，2013年。新闻驱动的商业周期：洞察力与挑战，工作文件，19411年，国家经济研究局。
[6] 伯南克，B.S。；Boivin，J。；Eliasz，P.，《衡量货币政策的效果：一种因子增强向量自回归（favar）方法》，Q.J.Econ。，1201387-422（2005年）
[7] 范登·布姆，W。；里夫斯，G。；Dunson，D.B.，用任意矩阵量化变量选择中的不确定性，（IEEE多传感器自适应处理（CAMSAP）计算进展国际研讨会论文集，墨西哥坎昆（2015））
[8] van den Boom，W.，Reeves，G.，Dunson，D.B.，2015b。变量选择中边际后验的可缩放近似，工作论文，杜克大学统计科学系。可从arXiv:1506.06629获得；van den Boom，W.，Reeves，G.，Dunson，D.B.，2015b。变量选择中边际后验的可缩放近似，工作论文，杜克大学统计科学系。可从arXiv获取：1506.06629
[9] Carriero，A.，Clark，T.，Marcellino，M.，2017年。具有随机波动性和灵活先验的大向量自回归，工作文件16-17，克利夫兰联邦储备银行。；Carriero，A.，Clark，T.，Marcellino，M.，2017年。具有随机波动性和灵活先验的大向量自回归，工作文件16-17，克利夫兰联邦储备银行。
[10] Carriero，A。；卡佩塔尼奥斯，G。；Marcellino，M.，《使用贝叶斯降秩多元模型预测大型数据集》，J.Appl。计量经济学，26，5，735-761（2011）
[11] Carriero，A。；卡佩塔尼奥斯，G。；Marcellino，M.，用大型贝叶斯向量自回归预测政府债券收益率，J.Bank。财务。，36, 7, 2026-2047 (2012)
[12] 克里斯托弗森，P.F。；Diebold，F.X.，《协整与长期预测》，J.Bus。经济。统计人员。，16, 4, 450-458 (1998)
[13] 克拉克·T。；McCracken，M.，预测评估进展，（Timmermann，A.；Elliott，G.，《经济预测手册》，第2卷（2013年），爱思唯尔），1107-1201，（第20章）·Zbl 1273.91015号
[15] Diebold，F.X。；Mariano，R.S.，《预测准确性比较》，J.Bus。经济。统计人员。，13, 3, 253-263 (1995)
[16] Doan，T。；利特曼，R。；Sims，C.，《使用现实先验分布进行预测和条件预测》，《计量经济学评论》，第3、1、1-100页（1984年）·Zbl 0613.62142号
[17] Figueiredo，M.A.T.，监督学习的自适应稀疏性，IEEE Trans。模式分析。机器。智力。，25, 9, 1150-1159 (2003)
[18] 弗尼，M。；甘贝蒂，L.，《结构VAR中的充分信息》，《货币经济学杂志》。，66，C，124-136（2014）
[19] 弗尼，M。；甘贝蒂，L。；Sala，L.，《商业周期无新闻》，《经济学》。J.，124，581，1168-1191（2014）
[20] 弗朗西斯，N。；Owyang，M.T。；Roush，J.E。；DiCecio，R.，《应用于技术冲击的长期限制的灵活有限期替代方案》，《经济评论》。Stat.，96，4，638-647（2014）
[21] 弗里希·R。；Waugh，F.V.，与个别趋势相比的部分时间回归，《计量经济学》，1,4387-401（1933）·JFM 59.1207.14号
[22] E.I.乔治。；Sun，D。；Ni，S.，VAR模型限制的贝叶斯随机搜索，《计量经济学杂志》，142，1553-580（2008）·Zbl 1418.62322号
[23] Geweke，J。；Amisano，G.，比较和评估资产收益的贝叶斯预测分布，国际预测杂志。，26216-230（2010年）
[24] Geyer，C.J.，《实用马尔可夫链蒙特卡罗》，统计师。科学。，7, 4, 473-483 (1992)
[25] 詹诺内，D。；Lenza，M。；Primiceri，G.E.，《向量自回归的优先选择》，《经济评论》。Stat.，97，2，436-451（2015）
[26] 哥尔茨，C。；Tsoukalas，J.D.，《总体波动中的新闻和金融中介》，《经济评论》。Stat.，99，3，514-530（2017）
[27] 哥尔茨，C。；Tsoukalas，J.D。；Zanetti，F.，《金融摩擦下的新闻冲击》（2016）
[28] 格里芬，J.E。；Brown，P.J.，回归问题中正态伽马先验分布的推断，贝叶斯分析。，5, 1, 171-188 (2010) ·Zbl 1330.62128号
[29] 哈维，D。；莱伯恩，S。；Newbold，P.，《检验预测均方误差的相等性》，《国际预测杂志》。，13, 2, 281-291 (1997)
[30] 豪斯曼，J.A.，联立方程模型的规范和估计，（计量经济学手册，第1卷（1983年）），391-448，（第7章）·Zbl 0548.62071号
[31] 霍伯特，J.P。；Casella，G.，《不适当先验对分层线性混合模型中吉布斯抽样的影响》，J.Amer。统计师。协会，91，436，1461-1473（1996）·Zbl 0882.62020号
[32] Huber，F。；Feldkircher，M.，贝叶斯向量自回归模型中的自适应收缩，J.Bus。经济。统计人员。，37, 1, 27-39 (2019)
[33] 卡迪亚拉，K.R。；Karlsson，S.，贝叶斯VAR模型中估计和推理的数值方法，J.Appl。计量经济学，12，2，99-132（1997）
[34] Koop，G.，贝叶斯计量经济学（2003），John Wiley&Sons有限公司
[35] 库普，G。；Korobilis，D.，《实证宏观经济学的贝叶斯多元时间序列方法》，Found。经济趋势。，3, 267-358 (2010) ·Zbl 1193.91117号
[36] 库普，G。；Korobilis，D。；Pettenuzzo，D.，贝叶斯压缩向量自回归，《计量经济学杂志》，210，135-154（2019）·Zbl 1452.62934号
[37] Korobilis，D.，《具有多个预测因子的动态回归的层次收缩先验》，《国际预测杂志》。，29, 1, 43-59 (2013)
[38] Korobilis，D.，《使用贝叶斯变量选择进行VAR预测》，J.Appl。计量经济学，28，2，204-230（2013）
[39] 郭，L。；Mallick，B.，回归模型的变量选择，印度J.Stat.Ser。B（1960-2002），60，1，65-81（1998）·Zbl 0972.62016号
[40] 利特曼，R.B.，1979年。使用向量自回归进行预测的技术，工作文件115，明尼阿波利斯联邦储备银行。；利特曼，R.B.，1979年。使用向量自回归的预测技术，工作文件115，明尼阿波利斯联邦储备银行。
[41] 米切尔，T.J。；Beauchamp，J.J.，线性回归中的贝叶斯变量选择，J.Amer。统计师。协会，83，404，1023-1032（1988）·Zbl 0673.62051号
[42] Polson，N。；Scott，J.，《全球收缩，局部行动：稀疏贝叶斯正则化与预测》（Bayesian Statistics，第9卷（2010），牛津大学出版社），1-24
[43] Primiceri，G.E.，《时变结构向量自回归与货币政策》，《经济评论》。螺柱，72，3，821-852（2005）·Zbl 1106.91047号
[44] 西姆斯，C.A。；Zha，T.，动态多元模型的贝叶斯方法，国际。经济。修订版，39、4、949-968（1998年）
[45] 史密斯，M。；Kohn，R.，纵向数据的简约协方差矩阵估计，J.Amer。统计师。协会，97，1141-1153（2002）·Zbl 1041.62044号
[46] 股票，J.H。；Watson，M.W.，利用扩散指数进行宏观经济预测，J.Bus。经济。统计人员。，20, 2, 147-162 (2002)
[47] Tibshirani，R.，通过套索进行回归收缩和选择，J.R.Stat.Soc.Ser。B统计方法。，58, 267-288 (1996) ·Zbl 0850.62538号
[49] West，K.D.，关于预测能力的渐近推断，《计量经济学》，64，5，1067-1084（1996）·Zbl 0854.62101号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。