2024年新课-VAR专题

课程介绍：

深入探讨VAR模型及其相关扩展模型，通过涵盖VAR基础知识、BVAR（贝叶斯向量自回归模型）、TVP-VAR-SV模型（时变参数-向量自回归-随机波动）、TVP-FAVAR模型（时变参数-因子扩展向量自回归模型）、GVAR（全局向量自回归模型）以及TGVAR模型（门限全局向量自回归模型）等多个方面，帮助学员全面理解和掌握VAR系列模型的理论基础、应用技巧及最新研究成果。

课程特色：

系统全面：课程从VAR基础知识讲起，逐步深入到各种扩展模型，内容全面，逻辑清晰，有助于学员建立完整的知识体系。

实践性强：课程注重理论与实践相结合，通过例文实现、Matlab软件应用等环节，让学员能够亲自动手操作，加深对模型的理解和应用能力。

门槛较低：学习课程门槛低，主要模型建立在以Excel为操作对象，掌握Matlab的基础操作即可，将在课程讲授之初扫除软件学习障碍。

前沿研究：课程引入了大量最新的研究成果和论文，帮助学员了解VAR系列模型的最新动态和发展趋势。

专业指导：课程由经验丰富的专家授课，提供专业的指导和建议，帮助学员解决在学习过程中遇到的问题。

灵活学习：课程采用远程直播+录播回放的教学方式，学员可以根据自己的时间和进度灵活安排学习，方便高效。

课程目标：

熟练掌握VAR系列模型的理论知识和应用技巧，为从事经济金融领域的研究和实际工作打下坚实的基础。

适用人群：

经济金融领域的学者与研究人员：VAR系列模型在经济金融领域有广泛应用，对于研究宏观经济、货币政策、金融市场等领域的学者和研究人员来说，掌握VAR模型及其衍生模型是必备的研究工具。

经济金融专业的学生：对于经济学、金融学等相关专业的学生来说，VAR专题课程可以帮助他们深入了解经济金融领域的前沿理论和应用技巧，提升他们的专业素养和竞争力。

金融从业人员：对于从事金融行业的从业人员，如银行、证券、基金等金融机构的从业人员，VAR模型可以帮助他们更好地分析金融市场、评估风险、制定投资策略等，提升他们的业务水平和市场竞争力。

对数据分析有兴趣的人士：VAR模型是一种强大的数据分析工具，对于对数据分析、数据挖掘有兴趣的人士来说，学习VAR专题课程可以帮助他们掌握一种高级的数据分析方法，提升他们的数据处理和分析能力。

希望提升个人职业技能的职场人士：VAR模型的应用不仅局限于经济金融领域，对于其他领域的职场人士来说，学习VAR专题课程也可以帮助他们拓宽视野，提升个人职业技能和综合素质。

课程大纲：

1  VAR模型入门

1.1  VAR基础知识

1.2  识别问题

1.3  识别方案

      零短期约束

      零长期约束

      符号约束

      外部工具（或代理SVARs）

      符号约束和外部工具组合

1.4  结构动态分析

      脉冲响应

      预测误差分解

      历史分解

1.5  论文精读

Gertler M, Karadi P. Monetary policy surprises, credit costs, and economicactivity. American Economic Journal: Macroeconomics, 2015, 7(1): 44-76.

2  BVAR（贝叶斯向量自回归模型）

2.1  VAR模型的估计技术

      OLS（极大似然）VAR

      标准贝叶斯VAR

      均值调整的BVAR

      随机波动

      时变参数

2.2  BVAR模型的先验分布

      Minnesota

      Normal Wishart

      Independent normal Wishart with Gibbs Sampling

      Normal diffuse

      Dummy observations

2.3  BVAR模型的先验扩展

      网格搜索的超参数优化

      外生变量块的设定

      虚拟观测扩展:系数和，虚拟初始观测

      长期先验分布

2.4  面板BVAR模型

      OLS均值组估计量

      贝叶斯混合估计量

      Zellner-Hong随机效应模型

      分层随机效应模型

      静态因子模型

      动态因子模型

2.5  结构BVAR模型

      乔勒斯基分解

      三角分解

      符号、大小和领约束

2.6  BVAR模型应用

      无条件预测

      脉冲响应函数

      预测误差方差分解

      历史分解

      条件预测：shock方法

      条件预测：tilting 方法

      预测评价：标准和贝叶斯标准

      密度预测评价

2.7 论文精读

Caldara D, Herbst E. Monetary policy, real activity, and credit spreads: Evidence from Bayesian proxy SVARs.American Economic Journal: Macroeconomics, 2019, 11(1): 157-192.

3  TVP-VAR-SV模型（时变参数-向量自回归-随机波动）

3.1  模型设定

3.2  MCMC估计

3.3  提前期冲击

3.4  特定时点冲击

3.5  例文实现

崔百胜等.汇率波动加剧、资本流入反应与货币政策效应.国际贸易问题,2016(07).

4  TVP-FAVAR模型（时变参数-因子扩展向量自回归模型）

4.1  模型设定

4.2  模型估计

4.3  Matlab软件实现

4.4  论文精读

崔百胜等.中美货币政策双向溢出效应研究——基于TVP-SV-FAVAR模型实证分析.上海经济研究,2021(12).

5  GVAR（全局向量自回归模型）

5.1  GVAR模型的组成

5.2  GVAR模型的估计策略

5.3  GVAR模型的方差协方差矩阵

5.4  动态分析

5.5  GVAR模型工具箱应用实例

5.6  论文精读

崔百胜,朱麟.基于内生增长理论与GVAR模型的能源消费控制目标下经济增长与碳减排研究.中国管理科学,2016,24(01).

6  TGVAR模型（门限全局向量自回归模型）

6.1  门限设定

6.2  TGVAR模型的估计

6.3  动态分析

6.4  论文精读

崔百胜等.Asymmetries in the international spillover effects of monetary policy: Based onTGVAR model. The North American Journal of Economics and Finance, 2024,69: 102029.

优惠：

• 学术培训老学员9折优惠；

• PS：折扣优惠与学生价均不叠加。

在线咨询：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu