宏观经济学的实证研究者经常使用多变量时间序列模型。例如，VAR模型、因子增广型VAR模型以及这些模型的时变参数形式（包括具有多元随机波动率的变体形式）。这些模型有大量的参数，因此可能会出现过度参数化问题。贝叶斯方法已成为解决这一问题越来越普遍的手段之一。在本书中，我们将讨论VAR模型、因子增广型VAR模型和这些模型时变参数的扩展形式，并展示在这些模型中贝叶斯推断是如何进行的。除了最简单的VAR模型外，贝叶斯推断需要使用为状态空间模型开发的马尔科夫链蒙特卡洛模拟方法，在本书中，我们将具体介绍这些算法。本书重点面向宏观经济学的实证研究者，并就如何在实证中使用这些模型和方法等方面为其提供建议和实证示例。本书的相关网站提供了在这些模型中实施贝叶斯推断的Matlab代码。

格里·库普(Gary Koop)，英国斯克莱德大学商学院教授。其研究方向包括贝叶斯时间序列分析等，在Review of Economic studies，Joumal of Monetary Economics等顶尖杂志发表论文数十篇。

第1章 引言
第2章 贝叶斯VAR模型
2.1 简介和符号
2.2 先验分布
2.3 实证示例：VAR模型的预测
第3章 贝叶斯状态空间模型和随机波动率
3.1 简介和符号
3.2 正态线性状态空间模型
3.3 非线性状态空间模型
第4章 TVP-VAR模型
4.1 同方差TVP-VAR模型
4.2 带有随机波动率的TVP-VAR模型
第5章 因子模型
5.1 介绍
5.2 动态因子模型
5.3 因子增广型VAR模型（FAVAR模型）
5.4 TVP-FAVAR模型
5.5 因子模型的实证示例
第6章 结 论
附录A
附录B
附录C
附录D
参考文献
译后记