中岛佐内 讨论“多元时间序列的贝叶斯预测：可扩展性、结构不确定性和决策”。 （英语） Zbl 1436.62434号 Ann.Inst.Stat.数学。 72，编号1，33-36（2020）. 总结：M.韦斯特[Ann.Inst.Stat.Math.72，编号1，1-31（2020；Zbl 1436.62441号)]重点介绍“解耦和再耦合”的思想，它可以在经济和金融数据的实际问题中显著提高计算和预测效率。我的讨论是双重的。首先，我用一个在上下文中广泛使用的时变向量自回归的例子简要描述了这个想法。其次，我强调了如何评估同时发生的关系模式的问题。 引用于1审查 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 62M20型 随机过程推断和预测 62甲12 多元分析中的估计 62P05号 统计学在精算科学和金融数学中的应用 关键词：贝叶斯预测;解耦/再耦合;时变向量自回归;多元时间序列模型 引文：Zbl 1436.62441号 软件：bvarsv型 PDF格式BibTeX公司 XML格式引用 \textit{J.Nakajima}，安.Inst.Stat.数学。72，编号1，33-36（2020；Zbl 1436.62434） 全文： 内政部 参考文献： [1] 克里斯蒂亚诺，Lj；艾森鲍姆，M。；伊文斯，Cl；Jb泰勒；Woodford，M.，《货币政策冲击：我们学到了什么，目的是什么？》？，《宏观经济学手册》，65-148（1999），阿姆斯特丹：Elsevier Science，阿姆斯特朗 [2] 迪堡，Fx；Yilmaz，K.，《衡量金融资产回报和波动性溢出，并应用于全球股市》，《经济期刊》，119158-171（2009）·文件编号：10.1111/j.1468-0297.2008.02208.x [3] 马里兰州杰拉奇；Gnabo，Jy，用贝叶斯时变向量自回归测量金融机构之间的相互联系，《金融与定量分析杂志》，531371-1390（2018）·doi:10.1017/S0022109018000108 [4] Nakajima，J.，《随机波动的时间变量VAR模型：方法和实证应用概述》，《货币与经济研究》，29107-142（2011） [5] 中岛，J。；West，M.，潜在阈值动态模型的贝叶斯分析，《商业与经济统计杂志》，31，151-164（2013）·doi:10.1080/073500015.2012.747847 [6] 中岛，J。；West，M.，使用潜在阈值模型的动态网络信号处理，数字信号处理，47，5-16（2015）·doi:10.1016/j.dsp.2015.04.008 [7] Primiceri，Ge，时变结构向量自回归与货币政策，《经济研究评论》，72821-852（2005）·Zbl 1106.91047号 ·文件编号：10.1111/j.1467-937X.2005.00353.x [8] Sims，Ca，《宏观经济学与现实》，《计量经济学》，48，1-48（1980）·doi:10.2307/1912017年 [9] West，M.，Harrison，P.J.（1997年）。贝叶斯预测和动态模型，第2版。纽约：斯普林格·Zbl 0871.62026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。