大流行下的即时预测：基于非参数混频VAR的方法
计量经济学
2020-12-02 v3 应用统计
机器学习
摘要
本文发展了使用加性回归树的贝叶斯计量经济学方法，用于非参数混频VAR的后验推断。我们认为，在面对极端观测（例如2020年COVID-19大流行所产生的那些）时，回归树模型非常适合于宏观经济即时预测。这归因于它们的灵活性以及建模离群值的能力。在一个涉及四个主要欧元区国家的应用中，我们发现相对于线性混频VAR，即时预测性能有实质性提升。
引用
@article{arxiv.2008.12706,
title = {Nowcasting in a Pandemic using Non-Parametric Mixed Frequency VARs},
author = {Florian Huber and Gary Koop and Luca Onorante and Michael Pfarrhofer and Josef Schreiner},
journal= {arXiv preprint arXiv:2008.12706},
year = {2020}
}
备注
JEL: C11, C32, C53, E37; Keywords: Regression tree models, Bayesian, macroeconomic forecasting, vector autoregressions