Applying non-negative matrix factorization with covariates to multivariate time series data as a vector autoregression model
本研究提出NMF-VAR框架,结合非负矩阵分解与向量自回归建模多元时间序列,通过低秩结构降维保解释力,在三类真实数据集上验证其能有效捕捉模式且提升可扩展性与透明度。
2025-09-04 stat.ME
BigVAR: Tools for Modeling Sparse High-Dimensional Multivariate Time Series
R包BigVAR允许通过将结构化惩罚应用于传统的向量自回归(VAR)和带外生变量的向量自回归(VARX)框架来同时估计高维时间序列。我们的方法可以用于许多预测应用程序,利用时间依赖的数据,如宏观经济,金融和互联网流量。我们的软件包扩展了解决方案的算法从机器学习和信号处理文献的时间依赖性设置:选择正则化参数的顺序交叉验证,并提供了大量的改进,预测性能比传统的方法。我们提供了一个用户友好的界面,利用R的s4对象类结构,这使得我们的方法很容易访问的开发人员。在本文中,我们概述了我们的符号,包括BigVAR的模型,我们的包的功能与使用公开的宏观经济数据的详细示例。此外,我们提出了一个模拟研究比较的几个程序,改装的BigVAR程序选择的支持,根据最小二乘法的几个变种的性能,并得出结论,改装一般降低预测性能。
2017-02-23 stat.CO
Vector autoregression models with skewness and heavy tails
由于经济环境的不确定性变化,经济衰退和危机期间的宏观经济下滑很难用高斯结构性冲击来解释。有证据表明,宏观经济变量的分布是倾斜的和厚尾的。在本文中,我们通过扩展向量自回归(VAR)模型来解释宏观经济变量的多变量分布的更现实的假设,从而为文献做出贡献。我们提出了一个一般类的广义双曲斜学生的t分布与随机波动率的VAR模型中的误差项,使我们能够考虑偏度和重尾。提供了使用吉布斯采样器进行贝叶斯推断和模型选择的工具。在实证研究中,我们提出了偏态和重尾的月度宏观经济变量的证据。分析还给出了一个明确的信息,即在经济衰退和危机期间,为了更好地预测,应该考虑偏度。
2021-05-24 econ.EM stat.AP
Subspace Shrinkage in Conjugate Bayesian Vector Autoregressions
使用大型数据集的宏观经济学家经常面临使用大型向量自回归(VAR)或因子模型的选择。在本文中,我们开发的方法结合使用子空间收缩前两者。子空间先验朝着一类函数收缩,而不是直接迫使模型的参数朝着某个预先指定的位置。我们开发了一种共轭VAR先验,它向因子模型定义的子空间收缩。我们的方法允许估计收缩的强度以及因子的数量。在建立了我们提出的先验的理论属性后,我们进行了模拟,并将其应用于美国宏观经济数据。使用模拟,我们表明,我们的框架成功地检测到的因素的数量。在涉及大型宏观经济数据集的预测实践中,我们发现将VAR与使用我们的先验知识的因子模型相结合可以改善预测。
2021-07-16 econ.EM stat.AP
Gaussian Process Vector Autoregressions and Macroeconomic Uncertainty
我们开发了一个非参数多变量时间序列模型,它对(可能)大量宏观经济时间序列及其滞后值之间的精确关系保持不可知性。我们的模型的主要构建块是高斯过程先验的函数关系,确定模型的条件均值,因此高斯过程向量自回归(GP-VAR)的名称。一个灵活的随机波动率规格是用来提供额外的灵活性和异方差控制。马尔可夫链蒙特卡罗(MCMC)估计是通过一个有效的和可扩展的算法,可以处理大的模型。通过模拟数据和美国数据的预测练习说明了GP-VAR。此外,我们使用GP-VAR来分析宏观经济不确定性的影响,特别强调传导机制的时间变化和不对称性。
2022-11-04 econ.EM
Origins and Nature of Macroeconomic Instability in Vector Autoregressions
University of Pennsylvania(宾夕法尼亚大学)
本文通过理论分析揭示了向量自回归中宏观经济不稳定性主要由少数结构性冲击驱动,并通过模型改进了预测效果。
2025-12-23 econ.EM
Arctic Amplification of Anthropogenic Forcing: A Vector Autoregressive Analysis
2020年9月15日,北极海冰范围(SIE)在历史上排名倒数第二,并继续下降。对反馈回路如何放大外部CO2强迫效应的理解仍然有限。我们提出了VARCTIC,这是一个向量自回归(VAR),旨在捕捉和外推北极反馈回路。VAR是动态联立方程组,通常用于预测和理解多个宏观经济时间序列的相互作用。VARCTIC是成熟的气候模型和纯粹的统计方法之间的一种折衷,这种方法通常对潜在的机制几乎没有解释。我们完全无条件地预测,到2060年,SIE将在9月达到0。脉冲响应函数表明,人为CO2排放冲击有一个不寻常的持久影响SIE -财产共享没有其他冲击。我们发现,反照率和厚度为基础的反馈是主要的放大渠道,通过它CO2异常影响SIE在短期/中期运行。此外,有条件的预测分析表明,SIE的未来路径关键取决于CO2排放的演变,结果从恢复SIE到2050年达到0。最后,反照率和厚度的反馈显示,在加速预测SIE走向0的速度发挥了重要作用。
2021-03-09 econ.EM stat.AP
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
Boosted p-Values for High-Dimensional Vector Autoregression
估计参数的统计显著性是高维向量自回归建模的重要步骤。使用最小二乘boosting方法,我们计算线性模型中每个boosting步骤中每个选定参数的p值。p值是渐近有效的,并且还适应于boosting过程的迭代性质。我们的模拟实验表明,在高维向量自回归中,p值可以控制假阳性率。在一个包含100多个宏观经济时间序列的应用中,我们进一步证明了p值不仅可以选择具有良好预测性能的稀疏模型,而且有助于控制模型的稳定性。开发了一个配套的R包boostvar。
2023-03-15 econ.EM
Measuring international uncertainty using global vector autoregressions with drifting parameters
本文研究了国际宏观经济不确定性冲击的时变影响。我们使用一个全球性的向量自回归规范漂移系数和因素随机波动的错误,共同模拟六个经济体。通过估计驱动潜在因素的创新方差的标量来内生地构建不确定性的度量,该标量也包含在过程的均值中。为了实现正则化,我们使用贝叶斯技术进行估计,并引入一组分层的全局-局部先验。采用的先验知识使模型以具有同方差误差的恒定参数规范为中心,但如果似然信息建议,则允许时间变化。此外,我们假设各经济体的系数是相似的,但提供了足够的灵活性,通过分层的国家特定的特质。结果表明,所有国家都受到不确定性冲击的明显实际和金融影响,但各经济体之间和时间上存在差异。
2019-12-17 econ.EM stat.AP
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
Fast and Efficient Bayesian Analysis of Structural Vector Autoregressions Using the R Package bsvars
University of Melbourne(墨尔本大学)
本文介绍R包bsvars,其采用前沿计量技术与C++代码实现快速高效的贝叶斯SVAR分析,具备灵活先验与多种分析功能,区别于现有同类R包。
2026-08-21 econ.EM
Structural Periodic Vector Autoregressions
针对季节性调整可能扭曲数据信息的问题,提出结构性周期向量自回归(SPVARs)直接对原始数据周期性建模,提供新识别方案、脉冲响应分析框架及渐近理论,并证明依赖季节性调整会丢失周期性信息。
2025-08-11 econ.EM
A Design Concept of Forecasting Software for Normalized Vector Autoregressions with Fat Tails and Stochastic Volatility
School of Economics and Trade, Guangdong University of Foreign Studies(广东外语外贸大学经济贸易学院);Department of Economics, University of Melbourne(墨尔本大学经济学系)
该研究设计了一套R软件包,结合C++效率与R便利性,实现多种高级计量模型,用于宏观经济预测,可提升预测表现,助力相关原创研究。
2026-08-31 econ.EM stat.CO
Two Gaussians, Too Many: A bootstrap-based approach to assess identifiability in non-Gaussian structural vector autoregressions
University of Bologna(博洛尼亚大学)
研究非高斯结构向量自回归中识别性问题,提出基于自举法评估条件渐近有效性,通过测量分布差异进行诊断,该方法在多种情况下有效且无预检验偏差,模拟显示其能检测识别失败并保持估计概率覆盖,可验证非高斯识别。
2026-10-15 econ.EM stat.ME
Identification Verification for Structural Vector Autoregressions with Sparse Heterogeneous Markov Switching Heteroskedasticity
School of Economics and Trade, Guangdong University of Foreign Studies(广东外语外贸大学经济贸易学院);University of Melbourne(墨尔本大学)
本文提出一种新的结构向量自回归模型,通过稀疏异质马尔可夫切换异方差性机制提升识别精度和预测性能,验证了异方差性对识别的影响。
2026-03-17 econ.EM
A Korean Macroeconomic Database for Data-Rich Policy Analysis and U.S.--Korea Dependence
Sungkyunkwan University(成均馆大学);Seoul National University(首尔大学);Bank of Korea(韩国银行)
本文介绍KRED数据库,用于数据丰富的政策分析和跨国比较,通过主成分分析提取四个因素,揭示美韩经济依赖性及跨国家依赖性特征。
2026-10-06 econ.EM stat.AP
Bubble Modeling and Tagging: A Stochastic Nonlinear Autoregression Approach
本文提出一种严格平稳且几何遍历的随机非线性自回归模型来刻画经济金融泡沫的局部爆炸动态,建立了拟最大似然估计的渐近性质,并提出两种泡沫标记方法,经Monte Carlo模拟和恒生指数实证验证了其有效性。
2025-01-28 econ.EM math.ST stat.TH
Energy Market and Carbon Emission Spillovers in Critical Minerals Investment: A Dynamic Connectedness Approach
Texas A&M International University(德克萨斯A&M国际大学);Southern University and A&M College(南方大学和农工学院);The University of Texas Rio Grande Valley(德克萨斯大学里奥格兰德河谷分校);Angelo State University(安杰洛州立大学);University of Mississippi(密西西比大学)
本研究采用TVP-VAR模型,利用2013-2023年数据,考察关键矿产ETF与能源、碳排放等变量的动态关联,发现ESG高评分投资组合推动溢出,疫情改变波动传递角色,为投资者提供对冲策略见解。
2026-07-31 econ.EM q-fin.TR