VAR变形: SVAR,BVAR,PVAR,FAVAR,TVAR,STVAR,TVP-VAR原理,应...

正文

请到「今天看啥」查看全文

实际应用： STVAR 用于商业周期分析，或建模政策变化逐渐生效的情形，如货币政策对经济的渐进影响。

操作代码： 有 Matlab 实现相关模型，GitHub 上提供，例如 STSVAR 的 MAIN.m ，用于结构型 VAR 的平滑方差变化。

详细案例： 在 GitHub 相关论文中，STSVAR 分析美国货币政策与股市交互，允许方差平滑变化，研究不同样本期和转移变量的影响。

操作注意事项： 转移函数和参数选择对结果影响大，需测试不同函数（如 logistic、exponential）。估计因非线性而计算密集，需注意计算资源，Matlab 需 Optimization_Toolbox 等。确保模型正确识别，验证转移函数是否捕捉预期动态。

7.时变参数VAR模型

原理： 时变参数VAR（TVP-VAR）模型允许参数随时间变化，捕捉结构变化或变量间关系演变。常用核平滑法或状态空间方法，参数变化假设为平滑或随机游走。

实际应用： TVP-VAR 用于建模政策制度变化或经济结构演变，如研究全球金融危机前后货币政策效应，或个体行为随时间变化。

操作代码： 在 R 中，使用 mgm 包，核平滑法估计，例如：

library(mgm)
tvmvar_model 
lags = 1, beepvar = beepvar, dayvar = dayvar, timepoints = timepoints)

此代码估计时间变化 VAR 模型，带宽固定为 0.34（最佳值）。

详细案例： 在 Jonas Haslbeck 的博客中，TVP-VAR 应用于 ESM 时间序列数据（1476 观测，12 个情绪变量，238 天），展示情绪间关系随时间变化，可能因外部因素或干预。

操作注意事项： 核平滑带宽选择关键，太小可能过拟合（用少观测，敏感性高），太大可能错过变化（用多观测，稳定但不敏感）。确保时间序列足够长，捕捉有意义参数变化，短序列可能导致估计不稳定。解释复杂，因参数随时间变化，需结合可视化（如 qgraph ）理解动态。

*可以进一步到社群交流讨论计量问题。

关于VAR方法， 1. R软件中的时间序列分析程序包纵览 ， 2 . 时间序列分析的各种程序, 38页集结整理成文档 ， 3. 时间序列数据分析的思维导图一览, 金融经济学者必备工具 ， 4. 送书: 应用时间序列分析(经典) ， 5. 为啥时间序列模型比较难学？时间序列的正名路 ， 6. 时间序列中的协整检验和VECM，以及回归后的系列估计操作 ， 7. 时间序列模型分解，季节调整分析基础 ， 8. 空间和时间的计量，关注二位国人 ， 9. TVP-VAR时变参数VAR系列文献和估计程序 ， 10. 向量自回归VAR模型操作指南针,为微观面板VAR铺基石 ， 11. VAR宏观计量模型演进与发展，无方向确认推断更好 ， 12. 应用VAR模型时的15个注意点，总结得相当地道 ， 13. 面板数据单位根检验软件操作和解读全在这里

请到「今天看啥」查看全文