贝叶斯视角下符号约束与时变随机波动SVAR模型的实现与应用

摘要：

SVAR模型的传统识别方法更多地涉及等式约束,即通过对模型中的结构参数或脉冲响应函数施加以严格的等式约束,从而实现模型参数的识别与估计,符号约束则是通过将已有经济理论背景转化为先验信息,借助不等式来约束各变量间的关系,能有效地避免模型缺乏理论基础的问题;伴随着经济社会改革的不断深化,模型中变量间系数及扰动项的方差—协方差矩阵均随时间而变,表现出明显的时变特征,固定参数已不能有效地刻画经济运行中的动态变化关系,时变随机波动SVAR模型的优势日益凸显;贝叶斯估计的一个重要特征即是将先验信息与样本信息相结合,应用贝叶斯定理得到参数的后验分布以确定最终估计值,参数估计的精度及可信度大幅度提升.基于此,本文系统地阐述了TVP-SV-SVAR模型的建立及贝叶斯估计过程,将其应用于中国货币政策有效性的量化研究,并就Sign-SVAR、TVP-SVAR及TVP-SV-SVAR三种模型的效果进行了对比分析.实证结果进一步发现,结合贝叶斯估计方法的符号约束与时变随机波动SVAR模型在宏观经济政策问题的考察与分析中更具优势.

关键词：符号约束、时变参数、随机波动、贝叶斯估计

所属期刊栏目：34

分类号：F222.3(经济计算、经济数学方法)

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;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

在线出版日期：2018-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：98-108