摘要翻译：
我们通过对欧元区、英国和美国的全面预测练习，评估了时变参数VAR框架中模型规模和复杂性之间的关系。事实证明，通过漂移系数实现的复杂动力学在小数据集中很重要，而在大数据集中，更简单的模型往往表现得更好。为了将这两个世界的优点结合起来，新的收缩先验有助于减轻维数的诅咒，从而对所有考虑的情况做出有竞争力的预测。此外，我们讨论了动态模型选择，以改进每个时间点的最佳性能个体模型。
---
英文标题：
《Sophisticated and small versus simple and sizeable: When does it pay off
  to introduce drifting coefficients in Bayesian VARs?》
---
作者：
Martin Feldkircher, Florian Huber, Gregor Kastner
---
最新提交年份：
2017
---
分类信息：

一级分类：Statistics        统计学
二级分类：Methodology        方法论
分类描述：Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计，调查，模型选择，多重检验，多元方法，信号和图像处理，时间序列，平滑，空间统计，生存分析，非参数和半参数方法
--
一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Statistics        统计学
二级分类：Computation        计算
分类描述：Algorithms, Simulation, Visualization
算法、模拟、可视化
--

---
英文摘要：
  We assess the relationship between model size and complexity in the time-varying parameter VAR framework via thorough predictive exercises for the Euro Area, the United Kingdom and the United States. It turns out that sophisticated dynamics through drifting coefficients are important in small data sets while simpler models tend to perform better in sizeable data sets. To combine best of both worlds, novel shrinkage priors help to mitigate the curse of dimensionality, resulting in competitive forecasts for all scenarios considered. Furthermore, we discuss dynamic model selection to improve upon the best performing individual model for each point in time.
---
PDF链接：
https://arxiv.org/pdf/1711.00564