A new structural break model, with an application to Canadian inflation forecasting

این مقاله یک رویکرد کارآمد برای مدل سازی و پیش بینی داده های سری زمانی با تعداد نا مشخص تعداد تغییرات را توسعه می دهد. با استفاده از یک پیش شرطی تهویه و تهویه بر روی پارامترهای غیر ثابت زمان، چگالی پیش بینی و توزیع خلفی نقاط تغییر فرم های بسته شده است. علاوه بر این، کنجواب پیش از آن به عنوان سلسله مراتبی به منظور بهره برداری از اطلاعات در سراسر رژیم مدل شده است. این چارچوب اجازه می دهد تا شکست در واریانس، ضریب رگرسیون، و یا هر دو. مدت زمان رژیم را می توان به عنوان یک توزیع پوآسون مدل کرد. یک نمونه کارآمد مونت کارلو زنجیره مارکوف جدید و کارآمد پارامتری را از توزیع خلفی به عنوان یک بلوک ترسیم می کند. یک برنامه کاربردی برای یک سری تورم کانادا نشان دهنده دستاوردهای پیش بینی دقیق است که مدل ما ارائه می دهد.