bayesian estimation, analysis and regression(简写为bear) toolbox是欧央行(ecb)发布的一个综合 (面板)var工具箱,通过图形用户界面(gui)即可轻松实现多元时间序列(面板)的贝叶斯估计、分析和回归,通过excel进行输入和输出,从而能够帮助经济学人摆脱繁重的coding工作,通过鼠标仅仅点击几下菜单,即可完成建模,从而可以确保将宝贵的精力集中进行预测和政策分析。bear是一个基于matlab的工具箱,提供详细的代码记录、以及相关理论和用户指南。bear旨在为经济学人提供一款建模新神器,包括目前比较先进的应用模型,例如符号和数量大小限制var,条件预测,贝叶斯预测,贝叶斯面板var,并可使用不同的先验分布(例如分层先验)等等。团队开发始终处于经济研究的前沿,并根据最先进的研究计划,后续进行进一步的开发。
在学界和中央银行的研究工作中,越来越多地使用向量自回归(var)模型来分析经济和预测,但是如果数据质量不够好或者是过度参数化,运用传统的极大似然方法来估计var通常是不够精确的。基于这些原因,自从doan et al.(1984)的开创性研究之后,贝叶斯var模型受到越来越多经济学人的热烈欢迎。尽管贝叶斯var模型的一些代码和相关应用软件已经在经济学浆糊中广为流传(存在),但是它们提供功能的有限,设计成图形用户界面(gui)这般用户友好型的总是太少太少,并且难以把新模型及其应用程序如此方便地来进行扩充。鉴于如此严峻的经济学浆糊形势,alistair dieppe, björn van roye, romain legrand代表ecb隆重决定:创建贝叶斯估计、分析和回归(bear)工具箱。他们发宏愿,而定三大目标:
——ols(极大似然)var——标准贝叶斯var (doan et al. (1984) and litterman (1986))——具有关于稳态的先验新息的均值调整bvar (villani (2009))——贝叶斯面板var (as in canova and ciccarelli (2013))
具有其它各种类型先验的贝叶斯var模型
——明尼苏达(minnesota)先验 (litterman (1986))——正态威希特(wishart先验) (kadiyala and karlsson (1997))——具有吉布斯(gibbs)抽样的独立正态威希特(wishart)先验——正态扩散先验 (kadiyala and karlsson (1997))——虚拟观测先验 (banbura et al. (2010))
贝叶斯var模型的先验扩展
——格点搜索的超参数优化 (similar to giannone et al. (2015))——区块(或“一揽子”)外生性(block exogeneity)——虚拟观测扩展:系数之和,虚拟初始观测 (banbura et al. (2010))
面板模型
——ols 均值组估计 (pesaran and smith (1995))——贝叶斯面板估计——随机效应模型,zellner-hong (zellner and hong (1989))——静态因子模型 (canova and ciccarelli (2013))——动态因子模型 (canova and ciccarelli (2013))
结构向量自回归
——乔里斯基(cholesky) 因子分解——三角因子分解——符号,数量大小(magnitude)和零约束 (arias et al. (2014))
其它应用
——无条件预测——脉冲响应函数(irfs)——预测误差方差分解——历史方差分解——条件预测:冲击方法 (waggoner and zha (1999))——条件预测:倾斜(tilting)方法 (robertson et al. (2005))——预测评价:标准准则和贝叶斯设定准则这里是曾经的旧文今天再推送bar 4.2最高版本的slides本号的各类专题网址:混频数据计量经济学模型dsge模型cge模型传染病经济学经济学八卦再八卦人工智能经济学系统动力学(sd)和abm模型微观实证计量经济学面板和时间序列计量模型olg模型network模型aer和nber论文讲解经济学常用工具软件操作经验经济政策不确定性(epu)研究货币政策和金融经济史学学术云报告经济学家那些事儿欢迎访问