Econometria: bibliografia - página 3

 
alsu:

A propósito, Sims não desenvolveu o método, mas o aplicou aos dados macroeconômicos. O VAR já era conhecido há décadas antes dele.

"Vector AutoRegression (VAR) é um modelo da dinâmica de várias séries temporais nas quais os valores atuais dessas séries dependem dos valores passados da mesma série temporal. O modelo foi proposto por Christopher Sims"(C)

"Christopher Sims (Sims, 1980) criou tal construção - autoregressões vetoriais (VARs)"(C)

Sim? Eu poderia estar errado. Quem o desenvolveu?

 
alsu:
Mais ou menos. Na verdade, ele escreveu um artigo dizendo "...por que você usa a autoregressão convencional, ela não funciona". Vamos usar o vectorial! Como fazemos aqui no fórum.

Bem, na verdade, não é o que diz seu trabalho, pelo qual foi agraciado com um Prêmio Nobel.
 
Demi:

"Vector AutoRegression (VAR) é um modelo da dinâmica de várias séries temporais nas quais os valores atuais dessas séries dependem dos valores passados da mesma série temporal. O modelo foi proposto por Christopher Sims"(C)

"Christopher Sims (Sims, 1980) criou tal construção - autoregressões vetoriais (VARs)"(C)

Sim? Eu poderia estar errado. Quem o desenvolveu?

Por exemplo, aqui (1962), mas Zellner também não reivindica a primazia, há referências mais atrás neste artigo. Sou preguiçoso demais para cavar quem veio primeiro, e será que isso realmente importa?
 
Demi:

Bem, isso não é realmente o que diz seu trabalho premiado com o Prêmio Nobel.
Este, tanto quanto eu entendo. Eu simplifiquei demais, é claro, mas essa é praticamente a essência...
 
O problema é que se o método de previsão realmente funcionar no futuro, ninguém o publicará (até que ele pare de funcionar). Portanto, o que estamos vendo é, em sua maioria, coisas trabalhadas. Por exemplo, o mesmo modelo VAR sobre dados históricos pode mostrar qualquer precisão, mas novamente, a seleção de parâmetros... O que há para explicar, nós já sabemos que)
 
a questão definitivamente não é - não faça o Banco da Suécia parecer um bando de idiotas
 
alsu:
O problema é que se o método de previsão realmente funcionar no futuro, ninguém o publicará (até que ele pare de funcionar). Portanto, o que estamos vendo é, em sua maioria, coisas trabalhadas. Por exemplo, o mesmo modelo VAR sobre dados históricos pode mostrar qualquer precisão, mas novamente, a seleção de parâmetros... O que há para explicar, nós já sabemos que)

Não entendo de todo - este modelo foi projetado para a pesquisa macroeconômica. É de interesse, por exemplo, para um banco central, não para um comerciante.
 
alsu:
O problema é que se um método de previsão realmente funciona em um forward, ninguém irá publicá-lo (até que ele pare de funcionar). Portanto, o que estamos vendo é, em sua maioria, coisas trabalhadas. Por exemplo, o mesmo modelo VAR sobre dados históricos pode mostrar qualquer precisão, mas novamente, a seleção de parâmetros... O que há para explicar, nós já sabemos que)

Tenho que admitir que os links postados acima são notícias definitivas para mim. Agora percebo que fazer um modelo, como o VAR, é apenas uma parte do trabalho. A previsão de que quase qualquer modelo lhe dará a necessidade de saber como utilizá-lo. E isso não é um problema menor do que fazer o modelo em si. É sobre isso que se referem os links acima.

E mais, estes links mostram que há uma enorme quantidade de literatura sobre previsão de séries temporais, que floresceu especialmente depois de 2008. Seis meses atrás eu pesquisei no Google previsões e obtive alguns links patéticos, mas agora não é assim.

 
alsu: Portanto, o que estamos vendo é principalmente desperdício de material. Por exemplo, o mesmo modelo VAR em dados históricos pode mostrar qualquer precisão, mas novamente, a seleção de parâmetros... O que há para explicar, nós já sabemos que)

Eu não poderia estar mais de acordo.

Os modelos clássicos não são um material trabalhado, o mesmo VAR, ARIMA, ARCH etc. Eles não são modelos, são ferramentas de construção de modelos. Portanto, pode-se argumentar que uma chave inglesa 19 é um desperdício de material. Aqui você está confundido com TA, onde a aplicação em massa de um indicador leva ao seu desvanecimento.

Tente construir um TS onde o modelo é selecionado a partir da análise do quociente. Você verá que em algumas áreas haverá AR, em outras ARMA, em outras ARMA + GARCH e em algumas áreas não há matemática em absoluto. Quanto maior o conjunto de modelos que você tiver, menor a área onde não há nada para aplicar.

 
Demi:

completamente incompreendido - este modelo foi concebido para a pesquisa macroeconômica. É de interesse, por exemplo, para o banco central, não para o comerciante.
O modelo é determinado pelas características estatísticas do quociente e não pela cadeira sobre a qual o comerciante se senta.