R 代码：基于TVP-VAR的时变溢出指数计算(TVP-VAR-DY) - 经管文库（原现金交易版）

6关注
16粉丝

博士生

48%

还不是VIP/贵宾

-

0%

威望: 0 级
论坛币: 6120 个
通用积分: 8.9727
学术水平: 15 点
热心指数: 18 点
信用等级: 15 点
经验: 12349 点
帖子: 94
精华: 0
在线时间: 404 小时
注册时间: 2012-11-13
最后登录: 2024-4-17

楼主

1012124855

发表于 2020-8-27 09:20:08 |只看作者 |坛友微信交流群|倒序 |AI写论文

相似文件

换一批

是否 +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~ !

立即领取

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-DY-code.rar (4.01 MB, 需要: RMB 400 元)

the R  code of TVP-VAR-DY model

The package (R code) includes the following models:
   1. Antonakakis et al.(2020) 's  code : TVP-VAR-DY
   2. Diebold and Yilmaz (2009) 's code
   3. Diebold and Yilmaz (2012, 2014)'s code

请注意：两个程序包是一样的，如需下载请下载其中一个！

【TVP-VAR的时变溢出指数】
   Diebold &Yilmaz (2009) 基于VAR模型的方差分解构造了溢出指数以考察多个市场之间的溢出效应。同时，为刻画溢出效应的动态特征，Diebold & Yilmaz (2009, 2012, 2014) 采用滚动窗VAR方法，即在固定时间窗的样本下，利用常系数VAR模型进行样本内参数估计和方差分解，实现了总溢出指数和有向溢出指数的动态估计。
   然而，滚动窗VAR方法严重依赖于窗宽的选择。如果窗宽过短，则估计结果的异常值和突变值较多；如果窗宽过长，则估计结果无法捕捉一些突变情况。同时，由于存在窗宽，该方法必然损失初始窗口的样本，致使计算得到的动态溢出效应必将损失一个窗宽长度的样本，从而导致滚动窗VAR无法应用于小样本数据的动态溢出效应分析之中。
   Antonakakis & Gabauer (2017) 通过引入时变参数向量自回归 (TVP-VAR) 模型并结合Diebold & Yilmaz (2009) 的溢出指数构建方法，提出了一种基于TVP-VAR模型的时变溢出指数构建方法。该方法无需设定窗宽，因而不存在样本损失的情况，有效地弥补了Diebold & Yilmaz (2009, 2012, 2014) 的溢出指数方法存在的不足。