【IMIWorkingPapersNo.1631】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，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

【作者】

苏治，中国人民大学国际货币研究所特约研究员、科研主管，中央财经大学统计与数学学院教授、 中央财经大学互联网经济研究院副院长

位雪丽，中央财经大学统计与数学学院博士

赵宣凯，中国人民大学国际货币研究所研究员、中央财经大学中国互联网经济研究院讲师