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
Bayesian Inference in High-Dimensional Time-varying Parameter Models using Integrated Rotated Gaussian Approximations
研究者们越来越希望对包含大量解释变量的时变参数回归进行估计。包括先验信息，以减轻过度参数化的问题，导致许多使用贝叶斯方法。然而，贝叶斯马尔可夫链蒙特卡罗（MCMC）方法在计算上要求很高。在本文中，我们开发了计算效率高的贝叶斯方法估计TVP模型使用集成旋转高斯近似（IRGA）。这利用了这样一个事实，即回归变量的常系数通常很重要，而大多数TVP通常不重要。由于高斯分布对旋转是不变的，我们可以将后验分为两部分：一部分涉及常数系数，另一部分涉及TVP。对后者使用近似方法，在此条件下，前者使用MCMC方法进行精确估计。在涉及人工数据和大型宏观经济数据集的实证练习中，我们展示了IRGA方法的准确性和计算优势。
2020-02-24 econ.EM
Inducing Sparsity and Shrinkage in Time-Varying Parameter Models
时变参数（TVP）模型有可能被过度参数化，特别是当模型中的变量数量很大时。全局-局部先验越来越多地用于诱导这种模型中的收缩。但是，由这些先验产生的估计仍然具有明显的不确定性。稀疏化有可能减少这种不确定性并改善预测。在本文中，我们开发了计算简单的方法，既收缩和稀疏TVP模型。在模拟数据练习中，我们展示了我们的收缩然后稀疏化方法在各种稀疏和密集TVP回归中的好处。在宏观经济预测实践中，我们发现我们的方法相对于收缩单独大幅提高预测性能。
2019-12-16 econ.EM
Flexible Mixture Priors for Large Time-varying Parameter Models
时变参数（TVP）模型通常假设TVP按照随机游走演化。然而，这一假设可能是有问题的，因为它意味着系数平滑地变化，并且以无界的方式变化。在本文中，我们放松了这一假设，提出了一个灵活的法律的运动TVP在大规模向量自回归（VAR）。而不是强加一个限制性的随机游走演化的潜在状态，我们仔细设计分层混合先验的状态方程中的系数。这些先验有效地允许区分系数根据随机游走演变的时期和TVP更好地由平稳随机过程表征的时间。此外，这种方法是能够引入动态稀疏性，推动小的参数变化接近零，如果必要的。通过两个应用实例说明了该模型的优点。使用合成数据，我们表明，我们的方法产生精确的参数估计。当应用于美国的数据，该模型揭示了有趣的模式的低频动态系数和预测以及相对于广泛的竞争模型。
2020-11-04 econ.EM
Fast and Flexible Bayesian Inference in Time-varying Parameter Regression Models
本文将含有K个解释变量和T个观测值的时变参数（TVP）回归模型写成含有KT个解释变量的常系数回归模型。与现有文献中假设系数按照随机游走演化的假设不同，本文引入了TVP的分层混合模型。由此产生的模型密切模仿一个随机系数的规格，分组的TVP到几个政权。这些灵活的混合物允许TVP具有少量、中等或大量的结构断裂。我们开发了计算效率的贝叶斯计量经济学方法的基础上的奇异值分解的KT回归。在人工数据中，我们发现我们的方法在计算时间方面比标准方法更准确，更快。在一个涉及使用大量预测因子进行通货膨胀预测的实证研究中，我们发现我们的模型比其他方法预测得更好，并且记录了不同的参数变化模式，而不是假设参数随机游走演化的方法。
2021-09-30 econ.EM stat.CO
Theory coherent shrinkage of Time-Varying Parameters in VARs
针对TVP-VAR模型，提出一种理论一致性收缩先验，将经济理论信息融入模型，提升推断精度与预测效果，并结合含ZLB和前瞻指引的新凯恩斯模型，明确了美国数据中ZLB内外风险溢价冲击的传导差异。
2024-11-04 econ.EM
General Bayesian time-varying parameter VARs for predicting government bond yields
时变参数（TVP）回归通常假设系数的时变由一个简单的随机过程（如随机游走）决定。虽然这些模型能够捕捉到广泛的动态模式，但时间变化的真实性质可能来自其他来源，或来自不同的运动定律。在本文中，我们提出了一个灵活的TVP VAR，假设TVP依赖于一个面板的部分潜在的协变量。这些协变量的潜在部分在它们的状态动力学中不同，因此捕获平滑演变或突然变化的系数。为了确定这些协变量中哪些是重要的，从而决定适当的状态演化，我们引入贝叶斯收缩先验来进行模型选择。作为一个实证应用，我们预测美国的利率期限结构，并表明我们的方法表现良好，相对于一组竞争模型。然后，我们将展示如何使用该模型来解释与美国收益率曲线相关的系数中的结构性突变。
2021-02-26 econ.EM stat.AP stat.CO
Learning from crises: A new class of time-varying parameter VARs with observable adaptation
Adam Smith Business School（亚当·斯密商学院）
本文提出了一种新的自适应参数VAR模型，通过可观测外生变量驱动的确定性调整，提高模型在危机期间的预测能力。
2025-12-03 econ.EM stat.AP
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
Forecasts with Bayesian vector autoregressions under real time conditions
本文研究了预测性能指标的敏感性，采取实时与伪样本外的角度来看。我们使用美国（US）和欧元区（EA）的月度年份，并估计一组具有恒定和时变参数（TVP）和随机波动率（SV）的不同大小的向量自回归（VAR）模型。我们的研究结果表明，点和密度预测的模型性能的相对顺序的差异取决于是否实时数据或截断的最终年份在伪样本模拟用于评估预测。没有明显优于规格为美国或EA跨变量类型和预测范围可以确定，虽然较大的模型，具有TVP似乎是受影响最小的缺失值和数据修订。我们发现，无论是为美国还是EA制作预测，业绩指标都存在重大差异。
2020-04-10 econ.EM stat.AP
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 tail risks of inflation using unobserved component quantile regressions
提出了条件异方差时变参数（TVP）分位数回归（QR）模型的贝叶斯推断方法。我使用数据增强计划，使模型条件高斯和开发一个有效的吉布斯采样算法。通过灵活的动态收缩先验实现高维参数空间的正则化。一个简单的版本的TVP-QR的基础上未观察到的组件模型被应用于动态跟踪分位数的通货膨胀率分布在美国，英国和欧元区。在样本外的预测练习中，我发现所提出的模型具有竞争力，并且对于高阶和尾部预测表现得特别好。对所得到的预测分布的详细分析表明，它们有时是偏斜的，偶尔会出现厚尾。
2021-10-18 econ.EM stat.AP
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
Bayesian dynamic variable selection in high dimensions
提出了一种变分贝叶斯算法，用于时变参数（TVP）模型的后验和预测推理。在这种情况下，我们指定了一个新的动态变量/模型选择策略的TVP动态回归模型中存在大量的预测。该策略允许在单个时间段内评估哪些预测因子与预测因变量相关（或不相关）。新的算法进行了评估，数值模拟使用合成数据，其计算优势。使用美国的宏观经济数据，我们发现，回归模型，结合了随时间变化的参数与信息，在许多预测有可能改善预测的价格通胀的替代预测模型。
2020-05-06 econ.EM stat.CO
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
Time-Varying Parameters as Ridge Regressions
本文指出时变参数模型本质上是岭回归，从而简化了计算、调参和实现，并支持稀疏性与降秩扩展，高效应用于加拿大货币政策演变研究。
2024-11-14 econ.EM stat.AP stat.ML
Sparse time-varying parameter VECMs with an application to modeling electricity prices
本文提出稀疏时变参数向量误差修正模型，结合全局-局部先验与辅助损失函数后处理实现自动稀疏建模，并在欧洲电价预测中验证了其有效性。
2023-04-17 econ.EM stat.AP
Interpreting and predicting the economy flows: A time-varying parameter global vector autoregressive integrated the machine learning model
本文提出了一个时变参数全局向量自回归（TVP-GVAR）框架，用于发达地区经济变量的预测和分析。我们希望为经济应用设置提供一种易于访问的方法，其中可以结合各种机器学习模型进行样本外预测。选择数值有效的均方误差（MSE）模型选择的LASSO型技术。我们展示了我们提出的模型在所有经济变量中令人信服的样本内表现，以及在不同频率经济输入下相对较高的样本外预测精度。此外，随时间变化的正交脉冲响应提供了新的见解经济变量的连通性在发达地区的关键时间点。在标准假设下，我们还推导出了正交脉冲响应函数的相应渐近带（置信区间）。
2022-07-31 econ.EM stat.AP stat.ML
Estimating Fiscal Multipliers by Combining Statistical Identification with Potentially Endogenous Proxies
针对财政政策 SVAR 中代理变量外生性失效导致乘数估计冲突的问题，本文提出可容纳潜在内生代理的 Bayesian non-Gaussian SVAR 方法，并发现政府支出刺激经济比减税更有效。
2025-08-29 econ.EM
