베이지안 벡터 자기 회귀
Bayesian vector autoregression통계학 및 계량학에서 베이지안 벡터 자기 회귀(BVAR)는 베이지안 방법을 사용하여 벡터 자기 회귀(VAR) 모델을 추정한다.BVAR은 모형 모수가 고정 값이 아닌 사전 확률을 갖는 랜덤 변수로 처리된다는 점에서 표준 VAR 모델과 다르다.
벡터 자기 회귀는 일반적으로 많은 자유 매개변수를 포함하는 유연한 통계 모델이다.이용 가능한 수많은 매개 변수에 비해 표준 거시경제 데이터 집합의 길이가 한정되어 있는 점을 감안할 때, 베이시안 방법은 초과 매개 변수의 문제를 다루는 점점 더 인기 있는 방법이 되었다.관측치에 대한 변수의 비율이 증가함에 따라 선행 확률의 역할이 점점 중요해진다.[1]
일반적인 아이디어는 정보를 제공하는 이전 사례를 사용하여 제한되지 않은 모델을 단순화 순발력 벤치마크 쪽으로 축소함으로써 매개변수 불확실성을 줄이고 예측 정확도를 향상시키는 것이다.[2]
대표적인 예가 로버트 리터맨(1979년)[3][4]이 제안하고 그 후 미네소타 대학의 다른 [5][6]연구자들이 개발한 축소 전(즉, 심스 C, 1989)인데, BVAR 문헌에서 "미네소타 이전"으로 알려져 있다.전자의 정보성은 모델의 계층적 해석에 근거한 추가 매개변수로 취급함으로써 설정할 수 있다.[7]
특히 이전 미네소타 주에서는 각 변수가 드리프트와 함께 무작위 보행 과정을 따른다고 가정하며, 따라서 고정되고 알려진 공분산 행렬이 있는 일련의 매개변수에 대한 정상 이전으로 구성되며, 이 매개변수는 다음 세 가지 기술 중 하나로 추정될 것이다.일변량 AR, 대각선 VAR 또는 전체 VAR.
이 타입 모델은 Eviews, Stata, Python[8] 또는 R[9] Statistical Package로 추정할 수 있다.
최근의 연구에 따르면 베이지안 벡터 자기 회귀는 대규모 데이터 세트를 모델링하는 데 적합한 도구라고 한다.[10]
참고 항목
참조
- ^ Koop, G.; Korobilis, D. (2010). "Bayesian multivariate time series methods for empirical macroeconomics" (PDF). Foundations and Trends in Econometrics. 3 (4): 267–358. CiteSeerX 10.1.1.164.7962. doi:10.1561/0800000013. SSRN 1514412.
- ^ Karlsson, Sune (2012). Forecasting with Bayesian Vector Autoregression. Handbook of Economic Forecasting. Vol. 2 B. pp. 791–897. doi:10.1016/B978-0-444-62731-5.00015-4. ISBN 9780444627315.
- ^ Litterman, R. (1979). "Techniques of forecasting using vector autoregressions". Federal Reserve Bank of Minneapolis Working Paper. no. 115: pdf.
- ^ Litterman, R. (1984). "Specifying VAR's for macroeconomic forecasting". Federal Reserve Bank of Minneapolis Staff Report. no. 92.
- ^ Doan, T.; Litterman, R.; Sims, C. (1984). "Forecasting and conditional projection using realistic prior distributions" (PDF). Econometric Reviews. 3: 1–100. doi:10.1080/07474938408800053.
- ^ Sims, C. (1989). "A nine variable probabilistic macroeconomic forecasting model". Federal Reserve Bank of Minneapolis Discussion Paper. no. 14: pdf.
- ^ Giannone, Domenico; Lenza, Michele; Primiceri, Giorgio (2014). "Prior Selection for Vector Autoregressions". Review of Economics and Statistics. 97 (2): 436–451. CiteSeerX 10.1.1.375.7244. doi:10.1162/rest_a_00483.
- ^ joergrieger/pybvar 2019: 'pybvar'는 파이톤에서 베이지안 벡터 자가복귀를 위한 패키지다.이 소포는 bvars와 비슷하다.
- ^ Kuschnig N; Vashold L. BVAR: R에서 계층적 사전 선택이 있는 베이지안 벡터 자기 회귀 분석
- ^ Banbura, T.; Giannone, R.; Reichlin, L. (2010). "Large Bayesian vector auto regressions". Journal of Applied Econometrics. 25 (1): 71–92. doi:10.1002/jae.1137.
추가 읽기
- Bauwens, Luc; Lubrano, Michel; Richard, Jean-François (1999). "Systems of Equations". Bayesian Inference in Dynamic Econometric Models. New York: Oxford University Press. pp. 265–288. ISBN 0-19-877313-7.
- Lütkepohl, Helmut (2007). New Introduction to Multiple Time Series Analysis. Berlin: Springer. pp. 222–229. ISBN 978-3-540-26239-8.
