楼主: oliyiyi
1986 2

[学科前沿] TVP-VAR [推广有奖]

版主

已卖:2994份资源

泰斗

1%

还不是VIP/贵宾

-

TA的文库  其他...

计量文库

威望
7
论坛币
84105 个
通用积分
31671.0967
学术水平
1454 点
热心指数
1573 点
信用等级
1364 点
经验
384134 点
帖子
9629
精华
66
在线时间
5508 小时
注册时间
2007-5-21
最后登录
2025-7-8

初级学术勋章 初级热心勋章 初级信用勋章 中级信用勋章 中级学术勋章 中级热心勋章 高级热心勋章 高级学术勋章 高级信用勋章 特级热心勋章 特级学术勋章 特级信用勋章

楼主
oliyiyi 发表于 2023-8-30 16:59:07 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
TVP-VAR(Time-Varying Parameter Vector Autoregression)即时间变参数向量自回归模型,是VAR模型的扩展,允许模型的参数随时间变化。其主要特点包括:

- 模型形式:每期观测都有唯一的一组参数,而不是VAR中的单一参数。即系数是时间变化的。

- 参数估计:通常采用贝叶斯方法估计,置信度高的先验分布和样本信息结合。

- 状态空间表示:TVP-VAR可以表示为状态空间模型,方便递归算法求解。

- 计算复杂度高:相比VAR,TVP-VAR需估计更多参数,计算负担重。

- 描述时间变化:TVP-VAR可以描述参数时间变化,检验参数稳定性。

- 模型选择:需要选择先验分布形式,以确定时间变化的平滑程度。

- 脉冲响应:可以获得时间变化的脉冲响应。

- 应用场景:观测数据足够多,需要考虑参数变化时适用。例如长时间序列数据。

总体而言,TVP-VAR通过允许参数时间变化,可以更好地拟合和预测时间序列,特别适用于参数不稳定的情景。但计算复杂度高,需要选择合适的先验分布。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:tvp-var VaR regression regressio Parameter

已有 1 人评分经验 论坛币 收起 理由
冰枫冷羽 + 100 + 100 鼓励积极发帖讨论

总评分: 经验 + 100  论坛币 + 100   查看全部评分

缺少币币的网友请访问有奖回帖集合
https://bbs.pinggu.org/thread-3990750-1-1.html

沙发
albertwishedu 发表于 2023-8-31 17:40:58

藤椅
HappyAndy_Lo 发表于 2023-8-31 17:42:00

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-25 19:56