Nonlinear Drivers of Macroeconomic Tail Risk: A Threshold Stochastic Volatility-in-Mean VAR with Regime-Dependent Leverage
宏观经济尾部风险的非线性驱动：区制依赖杠杆的门限随机波动均值VARAI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以门限随机波动均值VAR、区制依赖杠杆和冲击分解为核心，属于宏观时间序列与VAR冲击分析；同时以增长风险和通胀风险等尾部风险为研究对象，故纳入尾部与系统性风险。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
宏观经济尾部风险的非线性驱动：区制依赖杠杆的门限随机波动均值VAR
- 研究问题
- 摘要关注宏观经济结果分布的尾部与中位数可能由不同冲击驱动这一问题：哪些结构性冲击分别主导增长与通胀的中位数反应和尾部风险，以及这种驱动是否随通胀区制和冲击幅度而变化。
- 方法与思路
- 作者提出一个门限随机波动率进入均值的VAR模型，并允许杠杆效应随区制变化；模型包含结果与波动率的内生互动、同期水平—波动率依赖以及区制特定的传导。基于近150年美国数据做预测性模型选择，识别经济周期、金融、宏观经济不确定性与金融不确定性冲击，并分解其对增长风险和通胀风险的贡献。
- 材料陈述的贡献
- 摘要称预测性模型选择支持三个由通胀定义的区制；尾部风险的结构构成与预测中位数不同：经济周期冲击主导GNP增长的中位数反应，但对增长风险份额明显更小；宏观经济不确定性对增长风险和通胀风险均有实质贡献，且其对增长风险的份额随正向不确定性冲击幅度上升；在高通胀状态下，金融不确定性对通胀风险的贡献随正向冲击幅度上升。
- 阅读关注点
- 阅读全文时应核对：门限与区制数的识别与选择依据、随机波动率与杠杆的设定及识别假设、冲击识别策略与外生性论证、尾部风险（增长风险和通胀风险）的具体定义与估计方式、近150年数据样本与变量构造，以及份额分解的构造与不确定性度量。
- 阅读边界
- 仅凭摘要无法判断模型识别是否成立、估计与推断是否可靠、结果对样本和设定的稳健性，也无法核实数值大小与因果解释；摘要未说明具体数据来源、变量定义、冲击识别细节和尾部风险度量方法。该文为arXiv预印本，同行评审状态未经验证，不能据此声称已被期刊接收。
原文摘要
The tails of macroeconomic outcomes can respond differently from the centre of their distribution: shocks with modest effects on median growth or inflation can shift downside growth or upside inflation risk. We develop a threshold stochastic-volatility-in-mean VAR with regime-dependent leverage to study their structural drivers. The model allows endogenous interactions between outcomes and volatility, contemporaneous level-volatility dependence, and regime-specific propagation. In nearly 150 years of U.S. data, predictive model selection supports three inflation-defined regimes. We identify business-cycle, financial, macroeconomic-uncertainty, and financial-uncertainty shocks and decompose their contributions to growth- and inflation-at-risk. The structural composition of tail risk differs from that of the predictive median. Business-cycle shocks dominate the median response of GNP growth but account for a substantially smaller share of growth-at-risk. Macroeconomic uncertainty makes a material contribution to both growth- and inflation-at-risk, with its share of growth-at-risk increasing with the magnitude of a positive macroeconomic-uncertainty impulse, despite its limited role at the median. In high-inflation states, the contribution of financial uncertainty to inflation-at-risk rises with the magnitude of positive financial-uncertainty impulses.