The Dynamic Triple Gamma Prior as a Shrinkage Process Prior for Time-Varying Parameter Models
本文提出动态三重伽马先验，一种用于时变参数模型的收缩过程先验，通过建模创新间依赖性实现随时间变化的收缩，涵盖马蹄形先验等特例，并开发高效MCMC算法，在EURO STOXX 50指数预测中表现良好。
2025-01-22 econ.EM stat.ME
Shrinkage in the Time-Varying Parameter Model Framework Using the R Package shrinkTVP
时变参数（TVP）模型被广泛应用于时间序列分析中，以灵活地处理随时间逐渐变化的过程。然而，TVP模型中过拟合的风险是众所周知的。这个问题可以使用适当的全局-局部收缩先验来处理，它将时变参数拉向静态参数。在本文中，我们介绍了R包shrinkTVP（Knaus，Bitto-Nemling，Cadonna和Frühth-Schnatter 2019），它提供了TVP模型收缩先验的完全贝叶斯实现，利用了文献中的最新发展，特别是Bitto和Frühth-Schnatter（2019）。该软件包shrinkTVP允许通过一个有效的马尔可夫链蒙特卡罗（MCMC）计划的参数后模拟。此外，总结和可视化方法，以及通过日志预测密度分数（LPDS）评估预测性能的可能性，提供。计算密集型任务已在C++中实现，并与R接口。该文件包括一个简短的概述的模型和收缩先验包中实现。此外，核心功能的说明，无论是模拟和真实的数据。
2020-11-24 econ.EM stat.CO
Stochastic Volatility-in-mean VARs with Time-Varying Skewness
Central Bank of Brazil（巴西中央银行）；Queen Mary University of London（伦敦大学女王玛丽学院）；European Central Bank（欧洲中央银行）
本文提出一种允许波动率和偏度直接影响宏观变量的贝叶斯向量自回归模型，实证发现偏度冲击影响显著且模型预测更优、尾部风险度量更精确。
2025-10-09 econ.EM
A New Perspective of the Meese-Rogoff Puzzle: Application of Sparse Dynamic Shrinkage
本文提出马尔可夫切换动态收缩过程（MSDSP），将其应用于汇率预测经济模型，证明经MSDSP增强的模型预测分布优于随机游走模型，从而为Meese-Rogoff谜题提供新视角。
2025-07-18 econ.EM
Improving the accuracy of bubble date estimators under time-varying volatility
Hitotsubashi University（一桥大学）；HSE University（高等经济大学）
针对时变波动率下的四机制泡沫模型，提出先同方差初估断点日期、再利用残差进行WLS估计的两步波动率修正算法，并通过Monte Carlo模拟证明其相较OLS可显著提高断点日期估计准确性。
2026-10-27 econ.EM
srvar-toolkit: A Python Implementation of Shadow-Rate Vector Autoregressions with Stochastic Volatility
srvar-toolkit 是一个用于处理利率下限问题的Python工具包，结合贝叶斯向量自回归和随机波动率模型，提供多种统计方法和灵活的配置选项。
2025-12-22 econ.EM stat.CO
Dynamic Shrinkage Priors for Large Time-varying Parameter Regressions using Scalable Markov Chain Monte Carlo Methods
本文提出动态收缩先验与可扩展MCMC算法，以高效处理高维稀疏时变参数回归，并在人工数据及欧元区利率期限结构应用中验证了准确性与预测性能。
2023-05-12 econ.EM stat.ME
BVARs and Stochastic Volatility
本文综述了适用于大型BVARs的随机波动率模型的最新进展，包括顺序不变性和对COVID-19异常值的鲁棒性等特性，并指出了未来在时变系数和非线性简约方法上的研究方向。
2023-10-22 econ.EM stat.AP
Comparing the forecasting of cryptocurrencies by Bayesian time-varying volatility models
本文研究了加密货币时间序列的预测能力。这项研究是关于四种最具资本化的加密货币：比特币，以太坊，莱特币和瑞波币。不同的贝叶斯模型进行了比较，包括模型与常数和随时间变化的波动率，如随机波动率和GARCH。此外，分析中还包括一些加密货币预测指标，如标准普尔500指数和日经225指数。本文的结果表明，随机波动率是显着优于基准的VAR在点和密度预测。使用不同类型的分布，对于随机波动率的误差，学生t分布的表现优于标准正态分布。
2019-09-14 econ.EM econ.GN q-fin.EC
Bayesian Multivariate Quantile Regression with alternative Time-varying Volatility Specifications
本文提出一种贝叶斯多元分位数回归方法，通过引入随机波动率和GARCH过程刻画能源大宗商品的时变波动率，并结合分位数评分加权模型组合提升尾部预测性能。
2024-08-07 econ.EM stat.ME
Modelling and Forecasting Macroeconomic Risk with Time Varying Skewness Stochastic Volatility Models
本文提出基于时变偏度 Skew-Normal 和 Skew-t 冲击的随机波动率参数化框架，开发贝叶斯估计采样器，用于预测美国 GDP 增长下行风险，并验证时变偏度是宏观金融冲击的重要特征。
2023-11-20 econ.EM
A multi-country dynamic factor model with stochastic volatility for euro area business cycle analysis
本文开发了一个动态因素模型，使用欧元区（EA）国家的具体信息的产出和通货膨胀，以估计一个区域范围内的措施的产出缺口。我们的模型假设产出和通货膨胀可以分解为特定国家的随机趋势和一个共同的周期性成分。通过对潜在状态的冲击施加因子结构，引入趋势的共动。此外，我们引入灵活的随机波动率规范，以控制异方差的测量误差和创新的潜在状态。如果数据支持，仔细指定的收缩先验允许将模型推向同方差规范。我们对产出缺口的测量与其他常用的测量方法密切相关，在幅度和时间上略有差异。为了评估基于模型的产出缺口是否有助于预测通货膨胀，我们进行了样本外预测。研究结果表明，我们的方法产生优越的通货膨胀预测，无论是在点和密度预测。
2020-01-12 econ.EM
Option Pricing with Time-Varying Volatility Risk Aversion
本文提出具有时变波动率风险厌恶的定价核，结合 Heston-Nandi GARCH 模型构建可处理期权定价框架，并利用方差风险比率及新近似方法显著降低 S&P 500 期权定价误差。
2025-03-09 econ.EM q-fin.PR
Triple the gamma -- A unifying shrinkage prior for variance and variable selection in sparse state space and TVP models
时变参数（TVP）模型在捕获预测因子对结果变量的影响的逐渐变化方面非常灵活。然而，特别是当预测因子的数量很大时，存在过拟合和预测性能差的已知风险，因为一些预测因子的效果随时间推移是恒定的。我们提出了TVP模型中方差收缩的先验，称为三重伽玛。三重伽玛先验包含了许多以前提出的先验，如贝叶斯套索，双伽玛先验和马蹄先验。我们提出了理想的性能，这样的先验和贝叶斯模型平均方差选择的关系。三重伽玛先验的功能，然后说明在时变参数向量自回归模型的背景下，无论是模拟数据集和欧元区的一系列宏观经济变量。
2019-12-06 econ.EM stat.ME
The Time-Varying Multivariate Autoregressive Index Model
许多经济变量的条件均值和波动率都发生变化，时变向量自回归模型通常用于处理数据中的此类复杂性。不幸的是，当系列数量增加时，它们提出了越来越多的估计和解释问题。本文试图解决这个问题，提出了一个新的多元自回归指数模型，具有时变的手段和波动性。从技术上讲，我们开发了一种新的估计方法，将切换算法与Koop和Korobilis（2012）的遗忘因子策略相结合。这大大减少了计算负担，并允许使用动态模型选择或动态模型平均来实时选择或加权数据的公共分量和其他特征的数量，而没有进一步的计算成本。使用美国宏观经济数据，我们提供了一个结构分析和预测练习，证明了这个新模型的可行性和实用性。关键词：大型数据集，多元自回归指数模型，随机波动率，贝叶斯VAR。
2022-01-18 econ.EM
Time-Varying Identification of Structural Vector Autoregressions
本文提出一种贝叶斯异方差马尔可夫切换结构向量自回归模型，通过数据驱动的时变识别和排除性限制选择，利用时变波动性识别结构冲击，实证支持美国货币政策冲击识别的时变性。
2025-02-27 econ.EM
Volatility Models Applied to Geophysics and High Frequency Financial Market Data
本文致力于地球物理和金融时间序列的建模研究。提出了一类时变参数波动率模型，用于平稳环境下时间序列波动率的预测。具有一致属性的平稳时间序列的建模有助于具有更大确定性的预测。利用GARCH模型和随机波动率模型，我们预测了一步前的建议波动率+/- 2标准预测误差，这是通过极大似然估计制定的。我们比较了随机波动率模型依赖于过滤技术中使用的条件波动率与Gesthem模型。我们的结论是，随机波动率是一个更好的预测工具比GARCH（1，1），因为它是由自回归过去的信息较少的条件。
2019-01-26 econ.EM q-fin.ST stat.AP
A new GARCH model with a deterministic time-varying intercept
提出一种在标准 GARCH 模型波动率方程中引入确定性时变截距的新模型，以捕捉金融时间序列的渐变非平稳性，并证明了 QMLE 的渐近性质及该模型对降低波动率持续性的作用。
2024-10-14 econ.EM
Sparse Bayesian vector autoregressions in huge dimensions
我们建立了一个具有多维随机波动率的贝叶斯向量自回归（VAR）模型，该模型能够处理大量的多维信息集。引入三个功能，以允许可靠的估计模型。首先，我们假设VAR中的简化形式误差具有因子随机波动率结构，允许有条件的逐方程估计。其次，我们应用最近开发的全局-局部收缩先验的VAR系数治愈灾难的维度。第三，我们利用最近的创新，有效地从高维多变量高斯分布采样。这使得基于模拟的完全贝叶斯推断可行的维数是大的，但时间序列长度是中等。我们展示了我们的方法在广泛的模拟研究的优点，并将该模型应用于美国的宏观经济数据，以评估其预测能力。
2019-12-04 econ.EM stat.AP stat.CO
Joint Quantile Shrinkage: A State-Space Approach toward Non-Crossing Bayesian Quantile Models
针对分位数回归模型中拟合条件分位数交叉的普遍问题，提出一种贝叶斯建模框架，通过带分位数适应性的融合收缩先验联合估计多个分位数，形成分位数变参数模型，在参数恢复和预测性能上更优。
2025-08-20 econ.EM math.ST stat.ME
Time-Varying Coefficient DAR Model and Stability Measures for Stablecoin Prices: An Application to Tether
本文研究了Tether的动态，Tether是最大的市价总值的稳定币。我们发现，Tether/USD汇率的分布和动态特性从2017年到2021年一直在演变。我们使用局部分析方法来检测和描述局部模式，如短暂的趋势，随时间变化的波动性和持久性。为了适应这些模式，我们考虑了一个时变参数双自回归tvDAR（1）模型，假设Tether/USD汇率的局部平稳性。我们估计tvDAR模型的非参数和测试假设的功能参数。在Tether的应用中，该模型在短期内提供了良好的拟合和可靠的样本外预测，同时对随时间变化的持续性和波动性具有鲁棒性。此外，该模型还为Tether和其他稳定币提供了一个简单的插件式稳定性度量，用于评估和比较它们的稳定性。
2023-01-02 econ.EM
Time-Transformed Test for the Explosive Bubbles under Non-stationary Volatility
本文主要研究爆炸气泡在时变非平稳波动下的实验。由于开创性的Phillips et al.（2011）检验的极限分布取决于方差函数，并且通常需要在异方差下进行自举实现，因此我们基于时域的变形来构建检验。建议的测试是渐近关键下的零假设和它的极限分布与标准测试下的同性恋一致，因此，测试不需要大量的计算方法进行推理。通过蒙特卡罗模拟证明了吸引人的有限样本性质。一个实证应用表明，样本中间的加密货币时间序列的激增行为部分是由波动性变化解释的。
2021-11-15 econ.EM
Asset volatility forecasting:The optimal decay parameter in the EWMA model
指数加权移动平均（EMWA）可以被标记为一个有竞争力的波动率估计，其主要优势依赖于计算的简单性，特别是在多资产的情况下，由于只依赖于衰减参数，$λ$。但是，在EMWA波动模型中，$λ$的最佳选择是什么？通过一个大型的时间序列数据集的历史收益率的顶级美国大盘股公司，我们实证测试的预测性能的EWMA方法，在不同的时间范围和不同的衰减参数。使用滚动窗口方案，方差-协方差矩阵的样本外性能计算如下两种方法。首先，如果我们为整个样本寻找一个固定的衰减参数，结果与Risklett建议的1个月预测一致。此外，我们提供了全样本的最佳衰减参数的每周和每两周的预测水平的情况下，确认两个事实：i）最佳值是作为预测水平的函数，和ii）对于较低的预测水平的短期记忆增益的重要性。在第二种方式中，我们还评估了EWMA的预测性能，但这次使用的最佳时变衰减参数，最大限度地减少了样本方差-协方差估计，达到更好的精度比使用固定的全样本最佳参数。
2021-05-29 econ.EM
A Flexible Mixed-Frequency Vector Autoregression with a Steady-State Prior
本文提出了一种适用于混合频率数据的贝叶斯向量自回归（VAR）模型。我们的模型是基于VAR的均值调整参数化，并允许一个明确的“稳定状态”（无条件的手段）包括变量的先验。根据文献中的最新发展，我们讨论了模型的扩展，提高了建模方法的灵活性。这些扩展包括一个分层收缩前的稳态参数，并使用随机波动模型异方差。我们把建议的模型用于预测评估使用美国数据组成的10个月和3个季度的变量。结果表明，预测能力通常受益于使用混合频率的数据，并可以获得改善的月度和季度变量。我们还发现，稳态先验一般提高了预测的准确性，并通过随机波动率的异方差会计通常提供了额外的改进，虽然不是所有变量。
2019-11-20 econ.EM
Stochastic volatility models with skewness selection
本文提出利用稀疏诱导先验在随机波动率模型中自动选择偏度参数为动态、静态或零，避免过度参数化，并通过债券收益率和货币因子两个实证应用验证了方法的有效性。
2023-12-01 econ.EM
Dynamic Factor Stochastic Volatility-in-Mean VAR for Large Macroeconomic Panels
Graduate School of Economics, University of Tokyo（东京大学经济学研究科）；Olin Business School, Washington University（华盛顿大学奥林商学院）；Faculty of Economics, University of Tokyo（东京大学经济学院）
本文提出一种动态因子随机波动-均值VAR模型，通过引入波动性因素捕捉宏观经济波动，并在条件均值中纳入波动性，提升大面板预测性能。
2026-04-06 econ.EM stat.ME
Forecasting Thai inflation from univariate Bayesian regression perspective
本研究在单变量贝叶斯框架下比较多种收缩先验预测泰国通胀，发现非SV模型优于SV模型，先进先验能控制通缩风险但难预测通胀飙升，强调简单模型更可靠。
2025-05-23 econ.EM
Understanding Volatility Spillover Relationship Among G7 Nations And India During Covid-19
本文使用二元BEKK和t-DCC(1,1) GARCH(1,1)模型研究COVID-19期间G7国家与印度间的波动率溢出效应，发现疫情期间条件相关性急剧上升导致系统性风险增加，为投资决策与金融监管提供参考。
2022-08-19 econ.EM
Sparse Bayesian time-varying covariance estimation in many dimensions
我们通过对潜在的时变随机因素对时间序列向量的潜在协波动动态进行建模，解决了动态协方差估计中的维数灾难问题。对因子载荷矩阵的元素使用全局-局部收缩先验将多余因子上的载荷拉向零。为了证明所提出的框架的优点，该模型被应用到模拟数据，以及每日日志回报的300个标准普尔500指数的成员。我们的方法产生精确的相关性估计，较强的隐含最小方差投资组合的性能和卓越的预测精度的日志预测得分相比，典型的基准。
2017-11-11 econ.EM q-fin.PM stat.AP
Testing parametric additive time-varying GARCH models
本文开发了构建可加时变（ATV-）GARCH 模型的误设检验，通过 Taylor 展开克服原假设下备择模型不可识别导致的 LM 检验失效问题，并经模拟和 VIX 指数应用验证了有效性。
2025-06-30 econ.EM
Sparse Bayesian State-Space and Time-Varying Parameter Models
在这一章中，我们将回顾贝叶斯框架下单变量和多变量时间序列的时变参数（TVP）模型的方差选择。我们展示了如何连续以及离散的尖峰和板坯收缩先验可以从回归模型的变量选择转移到TVP模型的方差选择，通过使用非中心参数化。我们讨论了有效的MCMC估计，并提供了一个应用程序，美国通货膨胀建模。
2022-07-25 econ.EM stat.ME
Modeling Volatility and Dependence of European Carbon and Energy Prices
University of Duisburg-Essen（杜伊斯堡-埃森大学）；TU Dortmund University（多特蒙德工业大学）；RWI -- Leibniz Institute for Economic Research（RWI——莱布尼茨经济研究所）
我们研究了欧洲排放配额（EUA）的价格，从而分析其不确定性和对相关能源价格（天然气，煤炭和石油）的依赖性。我们提出了一个概率多变量条件时间序列模型与VECM-Copula-Gestrian结构，利用数据的关键特性。数据相对于通货膨胀和碳排放进行了标准化，以便进行适当的跨系列评估。预测性能进行了评估，在一个广泛的滚动窗口预测研究，覆盖8年的样本。我们讨论了我们的调查结果的水平和对数转换的数据，专注于随时间变化的相关性，并鉴于俄罗斯入侵乌克兰。
2023-02-10 cs.LG econ.EM q-fin.ST
Estimating Large Mixed-Frequency Bayesian VAR Models
本文讨论了在不同频率采样数据的实时情况下，随机波动率的大规模向量自回归（VAR）模型的估计问题。在具有随机波动性的大VAR的情况下，混合频率数据保证了用于从参数的后验分布进行采样的已经具有计算挑战性的马尔可夫链蒙特卡罗算法中的额外步骤。我们建议使用因子随机波动率模型来捕获随时间变化的误差协方差结构。由于因子随机波动率模型使得VAR方程条件独立，因此采用这种特定的随机波动率模型具有很大的计算优势。首先，我们能够通过利用单变量和自适应滤波算法来改进混合频率仿真平滑步骤。其次，可以并行地逐个方程地对回归参数进行采样。该模型的这些计算特征减轻了计算负担，并使混合频率VAR向高维区域移动成为可能。我们说明了模型的应用程序，美国的数据使用我们的混合频率VAR与20，34和119个变量。
2019-12-04 econ.EM
Dynamic tail inference with log-Laplace volatility
我们提出了一个家庭的模型，使预测估计随时间变化的极端事件的概率在重尾和非线性相关的时间序列。该模型是一个具有条件对数拉普拉斯随机波动率的白噪声过程。与其他类似的随机波动形式主义相比，这个过程具有条件概率结构的解析表达式，可以直接估计动态变化的极端事件概率。该过程和波动率是条件帕累托尾的，尾部指数由对数波动率的平均绝对新息的倒数给出。这种形式主义可以容纳各种各样的非线性依赖，以及条件幂律尾行为范围从弱非高斯柯西类尾巴。我们提供了一个计算简单的估计过程，使用的过程的动态大偏差概率的渐近近似。我们证明了估计的效用与模拟研究。然后，我们展示了该方法的预测能力，在一个模拟的非线性时间序列的波动是由混沌洛伦兹系统驱动。最后，我们提供了一个实证应用，这表明这种简单的建模方法可以有效地用于金融时间序列的动态和预测尾部推断。
2019-07-31 econ.EM math.ST q-fin.RM
State-Varying Factor Models of Large Dimensions
本文发展了一个大维状态变因子模型的推论理论。与常数因子模型不同，载荷是某些经常性状态过程的一般函数。我们开发了一个大的横截面和时间维下的潜在因素和状态变化的负载的估计。我们的估计结合非参数方法与主成分分析。我们导出了因子、载荷和公共分量的收敛速度和极限正态分布。此外，我们开发了一个统计检验的因素结构的变化，在不同的状态。我们将估计量应用于美国国债收益率和标准普尔500指数股票收益率。美国国债收益率的系统性因素结构在繁荣和衰退时期以及市场高度波动时期都有所不同。基于VIX的状态变化因子比常数因子模型捕捉到了更多的个股变化和定价信息。
2020-10-17 econ.EM
Large Hybrid Time-Varying Parameter VARs
具有随机波动率的时变参数VAR通常用于涉及一些内生变量的设置中的结构分析和预测。将这些模型应用于高维数据集已被证明是具有挑战性的，由于密集的计算和过度参数化的问题。我们开发了一种有效的贝叶斯稀疏化方法的一类模型，我们称之为混合TVP-VARs-VARs与时变参数的一些方程，但在其他常数系数。具体来说，对于每个方程，新方法自动决定VAR系数和变量之间的同期关系是常数还是时变的。使用美国的各种尺寸的数据集，我们发现的证据表明，在一些参数，但不是所有的方程是随时间变化的。大型混合TVP-VAR的预测效果也优于许多标准基准。
2022-06-16 econ.EM stat.ME
Predicting crypto-currencies using sparse non-Gaussian state space models
在本文中，我们使用各种不同的计量经济学模型预测加密货币的每日回报。为了捕捉金融时间序列中常见的显著特征，如条件方差的快速变化，测量误差的非正态性和急剧增加的趋势，我们开发了一个时变参数VAR与t分布的测量误差和随机波动。为了控制过度参数化，我们依赖于贝叶斯文献收缩先验，使我们能够收缩系数与不相关的预测和/或执行模型规范，以灵活的方式。我们使用大约一年的日常数据进行实时预测，并调查所提出的模型是否能够优于朴素随机游走基准。为了评估所提出的模型产生的预测收益的经济相关性，我们还进行了一个简单的交易练习。
2018-02-13 econ.EM q-fin.ST
A Dynamic Spatiotemporal and Network ARCH Model with Common Factors
本文提出一种纳入波动率特定潜在因子与可观测因子的动态时空ARCH模型，利用贝叶斯MCMC估计与因子选择方法刻画空间、时间及网络溢出效应，并在美国住房市场和股票市场应用中验证了其捕捉互联性的能力。
2024-10-21 econ.EM q-fin.ST stat.ME
