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。
Traditionally, SVAR model is often identified through two methods： one is imposing constraints on structure parameters, the other is on the impulse response functions, most of which are strict equalities. The sign restrictions just defines the impulse response functions＇ direction based on the priori theory, and identifies the model with a more relaxed inequality constraints, which can effectively reduce the influence of subjective factors. With the changes of the economic structure, the SVAR model＇s parameters are changing over time, and the fixed parameters can＇t effectively portray the economic development characteristics in different periods. Basing on the Gibbs sampling and the Bayesian inference theory, this paper introduces the detailed process of parameters＇ estimation of the SVAR model with the time varying parameters. It respectively estimates VAR model, Sign-SVAR model and Sign-TVP-SVAR model by using Chinese and US data. The results show that sign constraints can effectively avoid the impulse response functions＇ directional bias, and the time varying parameters can better characterize the structural variation of economic variables in different periods. It also proves that the Sign-TVP-SVAR model has obvious advantages in monetary policy analysis.
出处
《统计研究》
CSSCI
北大核心
2016年第10期100-112,共13页
Statistical Research
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"
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应对"(71473279)资助
关键词
符号约束
时变参数
GIBBS抽样
贝叶斯估计
Sign Restrictions
Time-varying Parameters
Gibbs Sampling
Bayesian Estimation
作者简介
苏治，男，2006年毕业于吉林大学商学院，获经济学博士学位，现为中央财经大学统计与数学学院副教授、博士生导师，中国人民大学国际货币研究所兼职研究员，教育部新世纪优秀人才。研究方向为宏观经济、金融市场与量化投资。
位雪丽，女，中央财经大学统计与数学学院在读博士研究生。研究方向为宏观经济与货币政策，贝叶斯计量经济学。
赵宣凯，男，中关＂富布莱特＂联合培养博士生，2014年毕业于吉林大学商学院，获经济学博士学位。现为中央财经大学互联网经济研究院助理研究员，中国人民大学国际货币研究所兼职研究员。研究方向为金融市场与量化投资，互联网金融。
