Algorithms for Inference in SVARs Identified with Sign and Zero Restrictions
符号与零限制识别的 SVAR 推断算法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：摘要直接研究符号与零限制下的 SVAR 识别和推断，并以美国货币政策冲击为应用，明确对应 VAR 与局部投影方向。
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
符号与零限制识别的 SVAR 推断算法
- 研究问题
- 对由符号限制与零限制集合识别的结构向量自回归，如何高效检查识别集非空，并进行无需拒绝抽样的贝叶斯推断？
- 方法与思路
- 作者将符号与零限制系统转化为低维空间中的符号限制，扩展已有算法以检查识别集是否非空，并从识别集中直接抽样。
- 材料陈述的贡献
- 摘要称，新算法可将仅适用符号限制的方法扩展到零限制，并在零限制下识别集被大量符号限制截断时尤其有用。
- 阅读关注点
- 应核对低维等价变换的条件、非空检查的正确性、抽样对应的概率分布与先验，以及货币政策应用中的算法比较指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供复杂度与具体性能数值，也不能据此判断所用经济限制是否可信。
原文摘要
I develop algorithms to facilitate Bayesian inference in structural vector autoregressions that are set-identified with sign and zero restrictions by showing that the system of restrictions is equivalent to a system of sign restrictions in a lower-dimensional space. Consequently, algorithms applicable under sign restrictions can be extended to allow for zero restrictions. Specifically, I extend algorithms proposed in Amir-Ahmadi and Drautzburg (2021) to check whether the identified set is nonempty and to sample from the identified set without rejection sampling. I compare the new algorithms to alternatives by applying them to variations of the model considered by Arias et al. (2019), who estimate the effects of US monetary policy using sign and zero restrictions on the monetary policy reaction function. The new algorithms are particularly useful when a rich set of sign restrictions substantially truncates the identified set given the zero restrictions.