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
Factor Network Autoregressions
本文提出因子网络自回归模型，利用张量主成分提取网络因子，处理多层网络时间序列，并证明估计一致性，实证分析GDP增长率的跨国联动。
2025-04-23 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
Quantile Autoregression-based Non-causality Testing
非因果过程由于其非对称动态、集群波动和局部爆炸性等非线性行为的表现能力，近年来在宏观经济学和金融学领域引起了人们的关注。本文研究了非因果过程经验条件分位数的统计性质。具体来说，我们表明，分位数自回归（QAR）估计的非因果过程不保持恒定，在不同的分位数相反，他们的因果关系。此外，我们证明了非因果自回归过程允许非线性表示的条件分位数给定过去的观察。利用这些属性，我们提出了三个新的非高斯过程的非因果关系的QAR框架内的测试策略。检验是通过验证斜率系数的恒定性或通过在过程的不同分位数上应用线性QAR模型的误设定检验来构造的。包括一些数值实验，以检查有限样本的测试策略的性能，在那里我们比较不同的规格测试的动态分位数与Kolmogorov-Smirnov常数检验。新的方法被应用到一些金融市场的时间序列调查投机泡沫的存在。通过仿真研究了将基于规格检验的方法推广到异方差新息驱动的AR过程。非因果过程的QAR估计在极端分位数的性能也进行了探讨。
2023-01-07 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
Distributional Vector Autoregression: Eliciting Macro and Financial Dependence
向量自回归是经验宏观经济学和金融学中理解多变量时间序列之间动态相关性的重要工具。在这项研究中，我们扩大了向量自回归的范围，通过纳入多元分布回归框架，并引入了分布脉冲响应函数，提供了一个全面的动态异质性。我们提出了一个简单而灵活的估计方法，并建立其渐近性质弱相关假设。我们的实证分析考察了美国GDP增长和金融状况的条件联合分布，重点是全球金融危机。研究结果表明，紧缩的金融环境导致GDP增长与金融环境的多模态条件联合分布，宽松的金融环境显著影响长期GDP增长，而全球金融危机期间改善GDP增长对金融环境的影响有限。
2023-03-09 econ.EM stat.AP stat.ME
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
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
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
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
A Hybrid Framework Combining Autoregression and Common Factors for Matrix Time Series
Shanghai Jiao Tong University（上海交通大学）；Tongji University（同济大学）
本文提出一种结合自回归与共同因素的混合框架，用于高维矩阵时间序列建模，通过分解系数矩阵实现降维并提升预测效率。
2026-01-13 econ.EM stat.ME
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
Bayesian Median Autoregression for Robust Time Series Forecasting
本文提出了一种用于时间序列预测的贝叶斯中值自回归模型。所提出的方法利用时变分位数回归在中位数，有利地继承中位数回归的鲁棒性，而广泛使用的均值为基础的方法。贝叶斯分位数回归中的拉普拉斯似然方法的启发，BayesMAR通过将高斯误差改变为拉普拉斯，采用与自回归模型具有相同结构的参数模型，从而为时间序列预测提供了一种简单，鲁棒和可解释的建模策略。我们用马尔可夫链蒙特卡罗估计模型参数。除了贝叶斯模型选择方法外，贝叶斯模型平均法用于解释模型不确定性，包括自回归顺序中的不确定性。所提出的方法进行了说明，使用模拟和实际数据的应用。对美国宏观经济数据预测的应用表明，与所选择的基于均值的替代方案相比，BayesMAR在包括点预测和概率预测的各种损失函数下具有良好的预测性能。所提出的方法是通用的，可以用来补充丰富的一类方法，建立在自回归模型。
2020-12-05 econ.EM stat.AP stat.ME
Tracking the Hidden Forces Behind Laos' 2022 Exchange Rate Crisis and Balance of Payments Instability
本文利用动态因子模型从宏观指标中提取潜在因子，识别老挝债务危机、国际收支脆弱性、基普贬值与通胀背后的结构性信号，以改进宏观经济预测。
2025-03-17 econ.EM stat.AP
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
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
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
Bayesian Modeling of TVP-VARs Using Regression Trees
针对宏观经济模型参数不稳定问题，提出基于BART的非参数TVP-VAR模型，以非参数方式处理参数运动规律，兼具灵活性与简约性，可用于追踪菲利普斯曲线演变及通胀冲击的非线性效应。
2023-05-05 econ.EM
Tests for Forecast Instability and Forecast Failure under a Continuous Record Asymptotic Framework
我们开发了一种新的连续时间渐近框架，用于推断给定预测模型的预测能力是否随时间保持稳定。我们从经济预测者的角度正式定义了预测不稳定性，并强调不稳定性的持续时间与稳定期无关。我们的方法适用于预测环境中涉及低频以及高频宏观经济和金融变量。随着观测之间的采样间隔缩小到零，预测损失的序列由连续时间随机过程近似（即，一个伊藤半鞅）具有某些路径性质。我们建立了一个假设检验问题的基础上的连续时间限制对应的损失序列的局部性质。零分布遵循极值分布。在很好地控制统计量大小的同时，我们的检验统计量在样本中预测失败的位置上具有均匀的功效。检验统计量被设计为具有针对一般形式的不满足性的能力，并且对常见形式的非平稳性（例如异方差性和序列相关）具有鲁棒性。相对于现有的方法，功率的增益是相当大的，特别是当不稳定性是短暂的，当发生在样品的尾部。
2018-12-03 econ.EM stat.AP
Boosting High Dimensional Predictive Regressions with Time Varying Parameters
高维预测回归有着广泛的应用。然而，该理论主要是假设模型是平稳的，具有时不变参数。这与经济时间序列中参数不稳定性的普遍证据不一致，但参数不稳定性的理论主要是为具有少量协变量的模型开发的。在本文中，我们提出了两个$L_2$ boosting算法估计高维模型中的系数建模为函数随时间平滑演变和预测是局部平稳的。第一种方法使用分量局部常数估计作为基学习器，而第二种方法依赖于分量局部线性估计。我们建立了这两种方法的一致性，并解决了为基础学习器选择带宽和提升迭代次数的实际问题。在一个广泛的应用宏观经济预测与许多潜在的预测，我们发现，建模时间变化的好处是巨大的，他们增加了预测范围。此外，受益的时间表明，大缓和与各种经济序列的条件均值的实质性不稳定有关。
2019-10-07 econ.EM stat.ME
