DY溢出指数最先由Diebold and Yilmaz(2009)提出，该指数由向量自回归（VAR）模型的预测误差方差分解计算而来。由于预测误差方差分解以及VAR模型自身缺陷，学者们陆续提出了广义预测误差方差分解办法以及VAR的扩展模型，比如LASSO-VAR【Demirer et al.(2018)】，TVP-VAR【Antonakakis et al. (2020)】等。

        写下这个帖子主要在于最近做了一个TVP-VAR模型计算DY溢出指数的实证，TVP-VAR模型一个最大的优点就是依据数据自身特点计算动态溢出指数，这一特点优于滑动窗口法，这是因为窗口的选择极其依赖与研究者对研究对象的了解与经验，选择不同的窗口所得到的结果有出入，同时TVP-VAR模型的一大缺点就是维度诅咒，由于现实生活中所要分析的变量一般较多，因此TVP-VAR只适用于少数变量建模，多变量建模计算DY溢出指数就要采用LASSO-VAR或者其他办法。

数据处理以及代码可与大家分享交流。