Sparse Seemingly Unrelated Regression Modelling : Applications in Econometrics and Finance
Sparse Seemingly Unrelated Regression Modelling : Applications in Econometrics and Finance
复制标题
稀疏看似不相关的回归模型:在计量经济学和金融中的应用
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Hao Wang
中科院分区：
文献类型：
--
作者：
Hao Wang
我们提出了一个稀疏的看似不相关的回归（SSUR）模型，以产生实质上相关的结构，在高维分布的看似不相关的模型（SUR）参数。该SSUR框架包括先验规范、使用马尔可夫链蒙特卡罗方法的后验计算、模型不确定性评估和模型结构搜索。扩展的SSUR模型的动态模型嵌入一般的结构约束和模型的不确定性在动态模型。一个模拟的例子说明了模型，并强调了有关模型的不确定性，搜索和比较的问题。然后将该模型应用于宏观经济和金融领域的三个实际例子，表明其识别的结构具有实际意义。
We present a sparse seemingly unrelated regression (SSUR) model to generate substantively relevant structures in the high-dimensional distributions of seemingly unrelated model (SUR) parameters. This SSUR framework includes prior specifications, posterior computations using Markov chain Monte Carlo methods, evaluations of model uncertainty, and model structure searches. Extensions of the SSUR model to dynamic models embed general structure constraints and model uncertainty in dynamic models. A simulated example illustrates the model and highlights questions regarding model uncertainty, searching, and comparison. The model is then applied to three real-world examples in macroeconomics and finance according to which its identified structures have practical significance.
影响因子：
1.4
作者：
E. George;R. McCulloch
通讯作者：
E. George;R. McCulloch