Skip to main content

Economic Modelling

Improving inference and forecasting in VAR models using cross-sectional information

Wir schlagen eine Prior-Verteilung für VAR-Modelle vor, die die Panelstruktur makroökonomischer Zeitreihen nutzt und gleichzeitig eine Schrumpfung in Richtung Null vorsieht, um Bedenken hinsichtlich einer Überanpassung auszuräumen. Die Prior-Verteilung ist flexibel, da sie gemeinsame Dynamiken einzelner Variablen über endogen bestimmte Ländergruppen hinweg erkennt. Wir demonstrieren die Nützlichkeit unseres Ansatzes in drei Anwendungsfällen. Im ersten Fall zeigen wir anhand eines Datensatzes für den Euroraum, dass die Kombination von paarweisem Pooling mit Null-Shrinkage die Strukturanalyse unterstützt, indem sie die Schätzunsicherheit verringert. Im zweiten Anwendungsfall verwenden wir künstliche Daten, um den Bias-Varianz-Kompromiss zwischen Pooling, Null-Shrinkage und keiner Regularisierung zu untersuchen. Sind die Länder ähnlich, führt das Pooling nur zu einem geringen Bias, sorgt aber dennoch für eine starke Verringerung der Schätzvarianz. Schließlich verwenden wir einen realen Datensatz einer großen Gruppe heterogener Länder, um zu zeigen, dass die Kombination von paarweisem Pooling mit Zero Shrinkage die Out-of-Sample-Prognosen im Vergleich zu Spezifikationen mit nur Zero Shrinkage oder nur Pooling verbessern kann.

Prüser, J. und B. Blagov (2026), Improving inference and forecasting in VAR models using cross-sectional information. Economic Modelling, 160, 107618

DOI: 10.1016/j.econmod.2026.107618