Estimator Averaging of Local Projection and VAR Impulse Responses
局部投影与VAR脉冲响应的估计量平均AI 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：摘要明确以局部投影和VAR脉冲响应为对象研究估计量平均。
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…
局部投影与VAR脉冲响应的估计量平均
- 研究问题
- 面对局部投影与向量自回归脉冲响应估计的有限样本偏差和方差权衡，能否通过逐期平均降低响应估计的均方误差？
- 方法与思路
- 作者以脉冲响应本身的均方误差选择各期平均权重，推导理想权重，并用自回归筛自助法构造可实施程序。
- 材料陈述的贡献
- 摘要称在两种估计均一致的短记忆线性过程类别下建立平均估计的渐近性质，模拟和应用显示风险下降及响应稳定。
- 阅读关注点
- 应核对权重如何估计偏差、方差与协方差，自助法如何选阶，以及理论一致性条件与误设下有限样本比较的关系。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未给出风险下降数值，相关理论不覆盖任意VAR误设情形。
原文摘要
Local projections (LP) and vector autoregressions (VAR) are the two standard tools for impulse response analysis, but they often display a finite-sample trade-off: LP is typically less biased but more volatile, while VAR is more precise but can be biased under misspecification. We propose an easy-to-implement estimator-averaging approach that combines LP and VAR at each horizon by minimizing the mean squared error of the impulse response itself, rather than in-sample fit. We derive closed-form oracle weights for this finite-sample risk problem, develop feasible AR-sieve-bootstrap procedures, and compare them against an Rsquare-based model-averaging benchmark. For a benchmark class of short-memory linear data generating processes in which LP and VAR are both consistent, we establish the consistency and limiting distribution of the feasible averaged estimator. Monte Carlo results show meaningful risk reductions relative to LP and VAR alone. In an empirical application revisiting Bauer and Swanson (2023), estimator averaging delivers stable and economically intuitive responses for yields, activity, prices, and credit spreads.