The importance of supply and demand for oil prices: Evidence from non‐Gaussianity
供需对油价的重要性：来自非高斯性的证据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。
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：摘要通过 SVAR 的结构冲击识别和预测误差方差分解分析石油供需，因此直接对应 VAR 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
供需对油价的重要性：来自非高斯性的证据
- 研究问题
- 油价波动中供给冲击的重要性为何随识别限制而变化，结合弱信息先验与非高斯识别后，相关结论会如何调整？
- 方法与思路
- 作者构建 SVAR，以非参数方式建模结构冲击的未知分布，将非高斯识别与弱信息先验结合分析石油供需冲击。
- 材料陈述的贡献
- 摘要称供给弹性的后验质量向零移动，供给冲击成为较小驱动因素；其在十六个月油价预测误差方差中的贡献中位数为 6%。
- 阅读关注点
- 应核对非高斯识别所需条件、冲击分布与先验的设定，以及预测误差方差分解和供给弹性后验的敏感性。
- 阅读边界
- 仅据所给 Crossref 摘要，6% 仅是该模型与期限下的后验中位数，不能外推；区间、数据细节及版本变化未说明。
原文摘要
When quantifying the importance of supply and demand for oil price fluctuations, a wide range of estimates have been reported. Models identified via a sharp upper bound on the short‐run price elasticity of supply find supply shocks to be minor drivers. In turn, when replacing the upper bound with a weakly informative prior, supply shocks turn out to be substantially more important. In this paper, I revisit the evidence in a model that combines weakly informative priors with identification by non‐Gaussianity. For this purpose, a SVAR is developed where the unknown distributions of the structural shocks are modeled nonparametrically. The empirical findings suggest that once identification by non‐Gaussianity is incorporated into the model, posterior mass of the short‐run oil supply elasticity shifts toward zero and oil supply shocks become minor drivers of oil prices. In terms of contributions to the forecast error variance of oil prices, the model arrives at median estimates of just 6% over a 16‐month horizon.