Principled Identification of Structural Dynamic Models
结构动态模型的目标优化识别方案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：摘要直接研究 SVAR、Proxy VAR 的结构旋转、冲击识别及代理变量泄漏。
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…
结构动态模型的目标优化识别方案
- 研究问题
- 如何以明确的优化目标选择结构动态模型的正交旋转，并在传统 SVAR 与多代理变量系统中处理排序、尺度和代理泄漏？
- 方法与思路
- 作者提出加权相关最大化准则，构造排序与尺度不变的 OASIS 旋转，并将递归 Cholesky 方案解释为受约束的同类优化。
- 材料陈述的贡献
- 摘要称，OASIS 更接近目标变量的完全相关，且为多代理 VAR 提供估计方案；重访既有应用显示代理泄漏可改变经济结论。
- 阅读关注点
- 应核对目标变量与权重选择、旋转的唯一性，以及相关最大化如何结合外生经济信息获得结构解释和处理代理泄漏。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未获核实；摘要承认结构识别仍需外生经济洞见，相关性改善本身不证明因果识别。
原文摘要
We take a new perspective on identification in structural dynamic models: rather than imposing restrictions alone, we optimize an objective. While definitive structural identification ultimately requires exogenous economic insight, a weighted correlation-maximizing objective yields an Order- and Scale-Invariant Scheme (OASIS) that selects the orthogonal rotation most aligned with designated target variables. In traditional SVARs, these targets are the reduced-form innovations, making OASIS a natural reference rotation. We show that recursive Cholesky identification is a constrained version of the same objective and that OASIS is systematically closer to perfect correlation, closing roughly twice as much of the gap as recursive orderings, both theoretically and empirically. The same framework also provides a principled estimation strategy for Proxy VARs (IV-SVARs), where the weighted criterion is essential for resolving overdetermination in multi-proxy systems while symmetrically accommodating proxy leakage. Revisiting 22 published SVARs, we find that reduced-form innovations are typically only weakly correlated, helping explain the historical robustness of recursive schemes. Applying OASIS to seminal proxy applications, however, reveals economically important leakage across shocks and shows that accounting for such leakage can materially alter substantive conclusions.