مدل خودرگرسیون برداری (VAR) ناویژه (Quantile VAR)
مدل VAR ناویژه، پاسخهای تکانههای سیستمهای چندمتغیره را مشروط بر ناویژههای مختلف توزیع برآورد میکند و نشان میدهد که چگونه شوکها به طور ناهمگن در سراسر توزیع شرطی منتشر میشوند. این روش که توسط Koenker و Xiao (2006) معرفی شد و توسط White و همکاران (2015) برای اندازهگیری ریسک به کار گرفته شد، رفتار دنبالهها (tail behavior) و اثرات سرایت (contagion effects) را که در تحلیلهای مبتنی بر میانگین VAR نامرئی هستند، آشکار میسازد. این امر برای مدیریت ریسک و درک چگونگی انتشار بحرانها به شیوهای متفاوت از زمانهای عادی، ضروری است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Koenker, R., & Xiao, Z. (2006). Quantile autoregression. Journal of the American Statistical Association, 101(475), 980-990. DOI: 10.1198/016214506000000672 ↗
- White, H., Kim, T. H., & Manganelli, S. (2015). VAR for VaR: Measuring tail dependence using multivariate regression quantiles. Journal of Econometrics, 187(1), 169-188. DOI: 10.1016/j.jeconom.2015.02.004 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Quantile Vector Autoregression. ScholarGate. https://scholargate.app/fa/econometrics/quantile-var
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- کوانتیلوگرام متقاطعاقتصادسنجی↔ compare
- رگرسیون کوانتایل به روش گشتاورهااقتصادسنجی↔ compare
- ARDL کوانتایلاقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →