邹至庄经济研究院博士生论文研讨会第37期
论文题目：得分驱动的时变参数向量自回归模型
报告人：叶仕奇
导师：郑挺国教授
摘要：
本文提出了一类新型时变参数向量自回归 （Time-Varying Parameter Vector Autoregressive, TVP-VAR） 模型，称为得分驱动的 TVP-VAR（Score-Driven TVP-VAR, SD-VAR）模型，其中，VAR 系数和误差协方差矩阵均由得分驱动。所提出的模型考虑了t分布，从而可以充分考虑金融时间序列中的“尖峰厚尾”现象。特别地，本文证明，在SD-VAR模型设定下，VAR系数的向量形式更新等价于矩阵形式的更新，这一发现极大程度地减少了模型的计算量，令高维估计变为可行。 基于矩阵形式的等价模型表示式，模型中未知参数的极大似然估计即使在高维系统中也是可行的，并且速度非常快，几乎不受VAR方程滞后阶数的影响。模拟实验验证了本文提出模型对于时变参数拟合上的准确性。本文进一步将存在厚尾情况下的得分驱动更新与多元 GARCH 建模相结合，提出了高维场景下可行的简约模型表示形式以及估计方法。 最后，本文通过三个实证应用以分别说明考虑厚尾的必要性，矩阵更新的优势及其所提出模型在高维场景中的适用性。
地点：D236
腾讯会议：921-507-476（https://meeting.tencent.com/dm/y1hR5vn0JhH5）
时间：11月24日，周五中午，12：30-14：00
语言：中文
