Co-Heteroscedasticity Models: Empirical Assessment and Computational Methods

协同异方差模型：经验评估和计算方法

• 批准号: 19K01588
• 负责人: LeonG Roberto
• 金额: $ 2.08万
• 依托单位: National Graduate Institute for Policy Studies
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K01588/
• 关键词: co-heteroscedasticity; particle filter; VAR model; stochastic volatility; MCMC; Bayes; Maximum Likelihood; Macroeconomics; Particle Filter

2019年と2020年は、アルゴリズムの改良及び私たちの方法と他の方法との比較をモンテカルロ実験により実施した。その結果、私たちの方法は、BaiとNg(2002)が提案した方法よりもファクター数（number of factors）をより良く推定することがわかった。また、アメリカのマクロデータを用い、私たちのモデルと従来のモデルの予測性能について比較を行った。2021年は、私たちが作成したプログラムのコードに間違いがあることに気づいた。コードの間違いを修正した後、前年度用いたアメリカのマクロデータを用い、再び予測性能を評価した。私たちの方法とこれまでに論文として公表されてきた他の5つのモデルとの比較を行った。その結果、私たちの方法は、すべての予測期間で二番目に優れていることが分かった。論文を修正し、再投稿した。2022年は、単変量モデルについては、Stochastic volatility （確率的ボラティリティ）で積分を行い尤度のための式を導出した。機能的計算を用い尤度を計算する方法を開発した。本手法を用い、単変量モデルで最尤法を用いることが出来た。複数国のインフレーションや為替レートに関するいくつかのデータセットに本手法を応用した。私たちのモデルと他のモデルとの比較を行い、私たちのモデルがよいことが分かった。多変量モデルについては、ジャーナルの査読者により求められた修正を行った。特に、共通因子について解釈をするように試みた。ここでは、共通因子へのショック後のGDPと他のマクロ経済変数の変化を示した。

在2019年和2020年，我们使用Monte Carlo实验对算法和其他方法之间的比较进行了改进。结果表明，我们的方法比Bai和Ng（2002）提出的方法更好地估计了因子数量。我们还使用美国宏数据来比较模型的预测性能和常规模型。在2021年，我注意到我们创建的程序的代码中存在错误。纠正代码中的错误后，使用上一年使用的美国宏数据再次评估了预测性能。我们将我们的方法与迄今为止发布的其他五个模型进行了比较。结果表明，我们的方法在所有预测期内都是第二好的。该论文已修订和重新发布。在2022年，对于单变量模型，我们使用随机波动率集成以推导方程式出于可能性。已经开发了一种使用功能计算计算可能性的方法。使用此方法，最大似然方法可以在单变量模型中使用。我们将此方法应用于多个国家的通货膨胀和汇率的多个数据集。我们将模型与其他模型进行了比较，发现我们的模型很好。根据期刊审稿人的要求对多元模型进行了修订。特别是，我们试图解释常见因素。在这里，我们显示了对常见因素的冲击后GDP和其他宏观经济变量的变化。