贝叶斯VAR的时变参数因子增广向量自回归（TVP-FAVAR）.docxVIP

贝叶斯VAR的时变参数因子增广向量自回归（TVP-FAVAR）

一、引言

宏观经济系统是一个复杂的动态演化系统，其内部结构会随经济周期、政策调整、外部冲击等因素发生持续变化，传统的计量经济模型往往难以捕捉这种时变性与高维性特征。向量自回归（VAR）模型作为宏观经济分析的经典工具，自诞生以来经历了多次拓展与改进，但仍存在参数固定、变量维度受限等问题。贝叶斯VAR（BVAR）引入贝叶斯先验信息缓解了参数过多带来的“维度诅咒”，因子增广VAR（FAVAR）通过提取高维数据中的共同因子解决了变量选择难题，而时变参数因子增广向量自回归（TVP-FAVAR）则将三者优势融合，成为当前宏观经济动态分析领域的前沿方法。本文将从理论溯源、核心特征、估计方法、应用场景及未来方向等方面展开系统论述，全面剖析TVP-FAVAR的学术价值与应用潜力。

二、TVP-FAVAR的理论溯源与演进脉络

（一）传统VAR模型的基础与局限

传统向量自回归模型由Sims（1980）提出，通过将所有变量视为内生变量构建联立方程系统，开创了宏观经济动态分析的新范式。该模型无需预设变量间的因果关系，而是通过脉冲响应函数和方差分解分析变量间的动态影响，在货币政策传导、经济周期波动等研究中得到广泛应用。但随着宏观经济数据的日益丰富，传统VAR模型的局限性逐渐凸显：一是参数固定假设与现实经济的时变性不符，无法捕捉经济结构突变或政策转