Prognozowanie w ramach bayesowskich modeli VEC

Justyna Wróblewska

DOI: http://dx.doi.org/10.12775/AUNC_ECON.2009.049

Abstrakt


Wśród obserwowanych makroekonomicznych szeregów czasowych większość może być traktowana jako realizacja kowariancyjnie niestacjonarnych procesów stochastycznych. Wprowadzenie idei kointegracji umożliwiło poprawne, zarówno od strony statystycznej jaki i ekonomicznej, modelowanie takich szeregów. Celem niniejszego opracowania jest wykorzystanie metodologii bayesowskiej do prognozowania w ramach modelu VEC przyszłych wartości wektora obserwacji. Prognoza ta zostanie poprzedzona wyborem najbardziej prawdopodobnych specyfikacji z grupy modeli, które mogą się różnić długością opóźnienia w procesie VAR, rodzajem trendu deterministycznego, ilością relacji kointegrujących oraz liczbą i rodzajem dodatkowych restrykcji nakładanych na przestrzeń kointegrującą i/lub przestrzeń współczynników dostosowań. Wykorzystanie techniki bayesowskiego łączenia wiedzy pozwoli na otrzymanie prognozy punktowej oraz oszacowanie jej niepewności, która będzie odzwierciedlała nie tylko niepewność związaną z przyszłymi wartościami procesu i parametrów modelu, ale również z jego specyfikacją.


Słowa kluczowe


kointegracja; wnioskowanie bayesowskie; prognozowanie; bayesowskie łączenie wiedzy

Pełny tekst:

PDF

Bibliografia


Chib S. (1995), Marginal likelihood from the Gibbs output, „Journal of the American Statistical Association”, 90, 1313–1321.

Engle R.F., Granger C.W.J. (1997), Cointegration and error correction: representation, estimation and testing, „Econometrica”, 55, 251–276.

Gamerman D. (1997), Marcov Chain Monte Carlo. Stochastic simulation for Bayesian inference, Chapman and Hall, London.

Johansen S. (1996), Likelihood-based inference in cointegrated vector auto-regressive models, New York: Oxford University Press.

Kass R.E., Raftery A.E. (1995), Bayes factors, „Journal of the American Statistical Association”, 90, 773–795.

Koop G., León-González R., Strachan R. (2007), Efficient posterior simulation for cointegrated models with priors on the cointegration space, Working Paper No. 05/13, University of Leicester, Department of Economics.

Lutkepohl, H. (2007), New Introduction to Multiple Time Series Analysis. Springer–Verlag, Berlin Heidelberg.

Newton M.A., Raftery A.E. (1994), Approximate Bayesian inference by the weighted likelihood bootstrap (with discussion), „Journal of the Royal Statistical Society”, Ser. B, 56, 3–48.

Osiewalski J. (2001), Ekonometria bayesowska w zastosowaniach, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.

Osiewalski J., Steel M. (1993), A Bayesian perspective on model selection (maszynopis), opublikowano w języku hiszpańskim: Una perspectiva bayesiana en selección de modelos, „Cuadernos Economicos”, 55/3.

Pajor A. (2003), Procesy zmienności stochastycznej SV w bayesowskiej analizie finansowych szeregów czasowych, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.

Strachan R.W., Inder B. (2004), Bayesian analysis of the error correction model, „Journal of Econometrics”, 123, 307–325.

Villani M. (2001), Bayesian prediction with cointegrated vector autoregressions, „International Journal of Forecasting”, 17, 585–605.

Zellner A. (1971), An Introduction to Bayesian Inference in Econometrics. J. Wiley, New York.


##plugins.generic.alm.title##

##plugins.generic.alm.loading##

Metrics powered by PLOS ALM




ISSN 2080-0339 (print)
ISSN 2392-1269 (online)

Partnerzy platformy czasopism