贝叶斯向量自回归的先验分布设定.docxVIP

贝叶斯向量自回归的先验分布设定

一、引言

（一）研究背景与核心意义

贝叶斯向量自回归（以下简称BVAR）是当前宏观经济预测、政策冲击分析领域应用最广泛的计量工具之一。自向量自回归模型被提出以来，其无需依托严格经济理论、能够捕捉变量间动态关联的优势得到了学界普遍认可，但传统向量自回归模型存在明显的维度诅咒问题：当模型包含的变量数量增加、滞后阶数提升时，待估参数数量会呈指数级增长，而宏观经济研究中可用的样本量往往十分有限，这就导致模型容易出现过拟合、估计结果方差过大、预测精度下降等问题（Koop，2003）。贝叶斯方法的引入为解决这一问题提供了可行路径：通过为待估参数设定先验分布，将研究者对经济系统的已有认知转化为概率约束，能够有效收缩参数空间、降低估计方差、提升模型的样本外预测能力与结果稳定性。

在BVAR的整个分析框架中，先验分布的设定是决定模型表现的核心环节。先验分布的形式、紧度、均值设定的合理性，直接影响参数估计的结果、脉冲响应的形状，甚至最终的研究结论。如果先验设定与数据特征、经济逻辑严重不符，不仅无法缓解维度诅咒问题，还可能引入系统性偏差，误导对经济变量关联关系的判断。近年来随着大数据技术在宏观经济研究中的普及，高维BVAR模型的应用越来越多，先验分布的设定难度也随之提升，如何选择适配研究问题的先验类型、合理校准先验参数、评估先验对结果的影响，已经成为应用BVAR方法时必须