Lasso VAR ve VARX modelleri üzerine bir uygulama

Vektör otoregresyonunun(VAR), makroekonomik zaman serilerinin ortak dinamiklerinin modellenmesi ve tahmin edilmesi için etkili bir yöntem olduğu bilinmektedir. VAR'ın uygulanabilirliğini engelleyen en temel sorun ağır parametrelere sahip olmasıdır. Yani parametre alanı, mevcut seriyi hızla tüketerek seriye dahil olan seri sayısıyla ikinci dereceden büyür. Ayrıca yüksek boyutlu makroekonomik parametrelerin VAR ile tahmini zorlu bir süreçtir. Büyük VAR'ların tahmin edilmesine izin veren geleneksel yöntemler, ya özel sübjektif spesifikasyonlar gerektirme eğilimindedir ya da hesaplama açısından mümkün değildir. Aynı zamanda küresel ekonomiler güç geçtikçe karmaşık bir hal almaktadır. Böyle karmaşık bir süreçte stokastik, modifiye olmayan dışsal değişkenleri hesaba katmak büyük bir önem taşımaktadır. Bu dışsal değişkenlerin modellere dahil edilmesi VARX yöntemi ile yapılmaktadır. VARX, VAR'ı modifiye edilmemiş dışsal değişkenleri modele dahil ederek tahminlerde bulunur. VARX modelinin yapılandırılmış bir ailesi olan VARX-L, yüksek boyutlu tahminlerde daha verimli ve sağlıklı sonuçlar elde etmemizi sağlar. VARX-L, VAR ve VARX modellerinin parametre alanını büyük ölçüde azaltmak için birkaç önemli skaler regresyon tekniğini bir vektör zaman serisi bağlamına uyarlar. VARX-L, hem düşük hem de yüksek boyutlu makroekonomik tahmin uygulamalarında ve simüle edilmiş veri örneklerinde etkinliğini göstermektedir. Bu tezde, VARX-L'nin cezalı tahmincilerinden biri olan "Temel Lasso" kullanılarak yüksek boyutlu modeller, R programında yer alan BigVAR paketi ile tahmin edilmektedir. VAR ve VARX modelleri için aynı veriler kullanılarak tahmin sonuçları karşılaştırılmaktadır. Anahtar Kelimeler: VAR, VARX, VARX-L, BigVAR