网站首页 学术活动 博士生研讨会 正文

博士生论文研讨会NO.37丨叶仕奇:得分驱动的时变参数向量自回归模型

2023-11-21

发布者:点击次数:

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