本书以宏观经济大数据为背景，通过建立新型宏观计量模型——时变参数模型，对宏观经济高质量发展进行模型测度；并对重要宏观经济变量，包括国内生产总值（GDP），通货膨胀，和失业率等进行模型测度与预测；进而对如何防范系统性风险进行动态分析，以满足我国经济高质量发展的重大需求。在宏观经济实证研究中，宏观经济变量的周期性变动与模型参数随时间变动的特性，持续引起了科研人员浓厚的研究兴趣。

第1章 概述
第2章 具有自回归移动平均（ARMA）创新的随机波动率模型：七国集团通胀率预测
2.1 本章概述
2.2 具有自回归移动平均误差的随机波动率模型
2.3 对通胀率预测的实证分析
2.4 与专业预测者调查结果的比较
2.5 本章小结
本章附录
第3章 时变系数模型的实时通胀预测组合
3.1 本章概述
3.2 组成部分模型
3.3 全样本估计
3.4 美国通胀实时预测
3.5 本章小结
本章附录
第4章 对澳大利亚通货膨胀率的预测——基于时变趋势模型
4.1 本章概述
4.2 趋势模型和其他竞争模型
4.3 先验概率与参数估计
4.4 预测结果
4.5 本章小结
第5章 运用移动平均自回归与随机波动模型对宏观经济时间序列进行预测
5.1 本章概述
5.2 UC-ARMA模型简介
5.3 美国宏观经济时间序列的实证分析
5.4 预测结果分析
5.5 本章小结
第6章 使用灵活的贝叶斯VAR模型对澳大利亚宏观经济重要变量进行实时预测
6.1 本章概述
6.2 构建实时数据集
6.3 灵活的贝叶斯VAR
6.4 预测结果
6.5 稳健性预测分析
6.6 本章小结
本章附录
第7章 随机波动在可再生能源预测中的重要性
7.1 本章概述
7.2 包含时变参数和随机波动率的VAR模型
7.3 初步的实证研究
7.4 VAR模型与可再生能源增长率的应用
7.5 预测结果
7.6 本章小结
本章附录
第8章 预测国际原油价格：大型BVAR模型能有所帮助吗
8.1 本章概述
8.2 数据
8.3 竞争的BVAR模型
8.4 预测结果
8.5 稳健性检验
8.6 本章小结
本章附录
第9章 总结
9.1 结论
9.2 未来研究
参考文献
致谢