Fourier Yapısal Vektör Otoregresyon (Fourier SVAR) Modeli
Fourier Structural Vector Autoregression Model · Ayrıca şöyle bilinir: Fourier SVAR, Fourier structural VAR, Fourier-approximation SVAR, frequency-domain SVAR
Fourier SVAR modeli, modelin, kırılma tarihlerine ilişkin önsel bilgi gerektirmeden çok değişkenli zaman serilerindeki yumuşak, kademeli yapısal kırılmaları ve zamanla değişen dinamikleri yakalamasına olanak tanıyan Fourier serisi yaklaşımlarını yapısal VAR çerçevesine entegre eder. Düşük frekanslı parametre sürüklenmesine karşı dayanıklı kalırken yapısal şokları ve bunların yayılma etkilerini geri kazanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çok değişkenli makroekonomik veya finansal zaman serilerine sahip olduğunuzda ve yumuşak, kademeli yapısal değişimden şüphelendiğinizde — örneğin, gelişen para politikası iletimi, kademeli finansal entegrasyon veya yavaş kurumsal sürüklenme — ancak kesin kırılma tarihlerini bilmediğinizde Fourier SVAR'ı kullanın. Standart SVAR artık tanılama araçları parametre kararsızlığını gösterirken, ayrık kırılma testleri baskın bir kırılma bulamadığında iyi uyum sağlar. Kısa örneklemler (T < 80) için kaçının, çünkü Fourier bileşenleri çok fazla serbestlik derecesi tüketir, keskin ayrık kırılmalar içeren veriler için (Markov anahtarlamalı SVAR'ı tercih edin) veya yapısal tanımlama şeması tartışmalıysa ve belirsizlik büyükse.
Güçlü yönler & sınırlılıklar
- Kırılma tarihlerini bilmeyi gerektirmeden yumuşak, kademeli yapısal kırılmaları barındırır.
- Tam yapısal yorumlamayı korur: ortogonal şoklar, IRF'ler ve FEVD hepsi geri kazanılabilir.
- Yavaş evrilen dinamikler için zamanla değişen parametreli VAR'dan daha tutumludur.
- Standart tanımlama stratejileriyle (Cholesky, işaret kısıtlamaları, uzun vadeli kısıtlamalar) uyumludur.
- Modellenmemiş parametre sürüklenmesinin neden olduğu yapısal çıkarımdaki yanlış belirtme yanlılığını azaltır.
- Fourier bileşenlerini VAR parametreleriyle birlikte güvenilir bir şekilde tahmin etmek için yeterince uzun bir zaman serisi (T >= 80) gerektirir.
- Frekans sayısı n'nin seçimi araştırmacı takdirine bağlıdır; n dikkatsizce seçilirse aşırı uyum mümkündür.
- Ani, ayrık rejim değişikliklerini yakalayamaz — bu durumlarda Markov anahtarlamalı SVAR daha uygundur.
- Yapısal şokların tanımlanması hala harici teori gerektirir; Fourier uzantısı temel tanımlama belirsizliğini gidermez.
SSS
Kaç tane Fourier frekansı dahil etmeliyim?
Az sayıda (n = 1 veya 2) ile başlayın ve n'yi seçmek için BIC gibi bir bilgi kriteri kullanın. Örneklem boyutuna göre çok fazla frekans eklemek serbestlik derecelerini boşa harcar ve yapay yumuşak desenler üretebilir.
Fourier SVAR, zamanla değişen parametreli VAR'dan nasıl farklıdır?
Bir TVP-VAR, tüm katsayıların her dönemde bir durum-uzay modeli aracılığıyla değişmesine izin verir; bu çok esnektir ancak büyük örneklemler ve ağır hesaplama gerektirir. Fourier SVAR, değişimi sabit bir trigonometrik terimler kümesi aracılığıyla parametrelendirir, bu da onu daha tutumlu hale getirir ve yavaş, yumuşak sürüklenmeye sahip orta uzunluktaki örneklemler için uygundur.
Fourier SVAR ile standart tanımlama şemalarını hala kullanabilir miyim?
Evet. Fourier eklemesi, modelin deterministik veya yavaş değişen kısımlarını değiştirir; yapısal tanımlama — Cholesky sıralaması, işaret kısıtlamaları veya uzun vadeli kısıtlamalar — standart bir SVAR'daki gibi yapısal A0 matrisine uygulanır.
Bir Fourier SVAR için yeterli örneklem boyutu nedir?
Kaba bir kılavuz, denklem başına en az 80 gözlemdir. Fourier terimleri parametre ekler, bu nedenle küçük örneklemler (T < 60) hem VAR dinamiklerinin hem de Fourier bileşenlerinin güvenilir bir şekilde tahmin edilmesi için çok az serbestlik derecesi bırakır.
Bunun yerine ne zaman bir Markov anahtarlamalı SVAR seçmeliyim?
Teori veya ön testler keskin, ayrık bir rejim değişikliği (örneğin, ani bir politika kırılması, net bir başlangıç tarihi olan bir finansal kriz) olduğunu gösteriyorsa, bir Markov anahtarlamalı SVAR daha uygundur. Fourier SVAR, kademeli, yumuşak geçişler için tasarlanmıştır.
Kaynaklar
- Enders, W., & Lee, J. (2012). A unit root test using a Fourier series to approximate smooth breaks. Oxford Bulletin of Economics and Statistics, 74(4), 574-599. DOI: 10.1111/j.1468-0084.2011.00662.x ↗
- Bernal, O., & Gnabo, J. Y. (2023). Fourier-based structural VAR models with time-varying parameters. Journal of Applied Econometrics, 38(3), 321-345. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Fourier Structural Vector Autoregression Model. ScholarGate. https://scholargate.app/tr/econometrics/fourier-svar-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesçi VAR Modeli (BVAR)Ekonometri↔ karşılaştır
- Fourier VAR ModeliEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır