AAAT
【IMIWorkingPapersNo.1631】符号约束与时变参数SVAR模型的贝叶斯估计实现
时间:2016年11月28日 作者:
【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
分享到:
往期回顾