Modelos VAR y las Cajas Negras (a propósito de un reciente Paper del NBER)

"Prior Selection for Vector Autoregressons"
Vector autoregressions (VARs) are flexible time series models that can capture complex dynamic interrelationships among macroeconomic variables. However, their dense parameterization leads to unstable inference and inaccurate out-of-sample forecasts, particularly for models with many variables. A solution to this problem is to use informative priors, in order to shrink the richly parameterized unrestricted model towards a parsimonious naive benchmark, and thus reduce estimation uncertainty. This paper studies the optimal choice of the informativeness of these priors, which we treat as additional parameters, in the spirit of hierarchical modeling. This approach is theoretically grounded, easy to implement, and greatly reduces the number and importance of subjective choices in the setting of the prior. Moreover, it performs very well both in terms of out-of-sample forecasting--as well as factor models--and accuracy in the estimation of impulse response functions." By Domenico Giannone, Michele Lenza, Giorgio E. Primiceri

----------------

El presente paper NBER de Giannone, Lenza y Primiciero denominado "Selección a priori para Vectores Autoregresivos" identifica mayores fundamentos teóricos a los modelos VAR, con la finalidad de optimizar la especificación econométrica, así como la practicidad en su implementación, reduciendo el elemento subjetivo en dicha especificación. Se agradece a los autores el aporte, dado que los modelos VAR corren el riesgo de convertirse en cajas negras, mediante las cuales se introducen datos y se asume que los resultados son válidos per se, dada la amplitud y generalidad del modelo. 

Comments

Popular posts from this blog

Endogeneidad y Exogeneidad en los Modelos Econométricos [MARTIN, JM.]

"De los modelos ARDL - Primera Parte" (Traducción)

La multicausalidad y la insuficiencia de la causalidad lineal: Aspectos preliminares