使用可扩展马尔可夫链蒙特卡洛方法的大型时变参数回归的动态收缩先验
计量经济学
2023-05-15 v2 统计方法学
摘要
时变参数（TVP）回归模型可能涉及大量系数。需要谨慎的先验设定才能得出合理的后验推断与预测推断。此外，马尔可夫链蒙特卡洛（MCMC）方法的计算需求意味着其使用仅限于预测变量数量不太大的情况。鉴于这两个问题，本文提出了一种新的动态收缩先验，它反映了 TVP 通常具有稀疏性的经验规律（即时间变化可能仅偶尔发生，且仅对部分系数发生）。我们开发了一种可扩展的 MCMC 算法，能够处理极高维的 TVP 回归或 TVP 向量自回归。在使用人工数据的实验中，我们展示了方法的准确性与计算效率。在涉及欧元区利率期限结构的应用中，我们发现动态收缩先验能够有效甄别出少量的参数变化，且我们的方法具有良好的预测表现。
引用
@article{arxiv.2005.03906,
title = {Dynamic Shrinkage Priors for Large Time-varying Parameter Regressions using Scalable Markov Chain Monte Carlo Methods},
author = {Niko Hauzenberger and Florian Huber and Gary Koop},
journal= {arXiv preprint arXiv:2005.03906},
year = {2023}
}
备注
Keywords: Time-varying parameter regression, dynamic shrinkage prior, global-local shrinkage prior, Bayesian variable selection, scalable Markov Chain Monte Carlo JEL Codes: C11, C30, C50, E3, E43