符号约束与时变参数SVAR模型的贝叶斯估计实现

摘要：

传统识别SVAR模型的方法包括两类,一类是约束模型中的结构参数,另一类是约束脉冲响应函数,但多为严格的等式约束,符号约束则基于先验理论限定脉冲响应的方向,用较为宽松的不等式约束实现模型识别,能有效降低主观因素影响;同时随着经济结构的变化,SVAR模型的参数估计值有随时间变化的趋势,固定的参数估计值已不能有效刻画不同时期的经济发展状态.本文基于Gibbs抽样思想与贝叶斯统计推断理论,系统介绍符号约束下时变参数SVAR模型的贝叶斯估计方法,使用中国和美国数据,分别估计VAR模型、Sign-SVAR模型和Sign-TVP-SVAR模型.实证结果发现,符号约束能够有效避免脉冲响应的方向性偏误,时变参数能够更好刻画不同时期内经济变量的结构时变特征,在货币政策分析中具有明显优势.

关键词：符号约束、时变参数、Gibbs抽样、贝叶斯估计

所属期刊栏目：33

分类号：C81(统计方法)

资助基金：国家社会科学基金重大项目“‘互联网+’推动经济转型机理与对策研究”15ZDC024;2013年度教育部“新世纪优秀人才支持计划”“从货币总量到信用总量:一个新的全球经济分析与宏观政策调控的框架”NCET-13-1055;中央财经大学博士研究生重点选题支持计划“基于贝叶斯统计推断方法的非常规货币政策研究:有效性、调控机制及退出路径”、中央财经大学研究生科研创新基金“基于贝叶斯参数估计的Sign-TVP-SVAR模型及其在货币政策分析中的应用”和国家自然科学基金面上项目“货币总量转向信用总量:全球虚拟经济与实体经济背离机理与宏观政策71473279

在线出版日期：2016-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：100-112