Resumen

El modelo bayesiano autorregresivo vectorial (BVAR) introduce las propiedades estadísticas de las variables como la distribución previa de los parámetros en el tradicional modelo autorregresivo vectorial (VAR), lo que puede superar el problema de poca libertad. El modelo BVAR establecido en este documento puede superar el problema de datos de series temporales cortas mediante el uso de información estadística previa. En teoría, debería tener un buen efecto en la predicción económica regional de China. La mayoría de la literatura de modelos de predicción regional carece de investigación real sobre la evaluación del error de predicción fuera de la muestra, pero nuestras primeras previsiones de los principales indicadores económicos ofrecen una excelente oportunidad para que este documento evalúe detalladamente los errores de pronóstico reales del modelo BVAR. El análisis en este documento muestra que el error de predicción del modelo BVAR es muy pequeño y la capacidad de predicción es muy satisfactoria. Al mismo tiempo, este artículo también analiza y señala la dirección de los esfuerzos para mejorar aún más la precisión de

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Bayesiano; Autorregresivo vectorial; Modelo bvar; Pronóstico; Error de predicción; Precisión
• Keywords:Bayesian; Vector autoregressive; Bvar model; Forecasting; Prediction error; Accuracy