Time-Varying Identification of Structural Vector Autoregressions
结构向量自回归的时变识别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：摘要直接研究结构 VAR、异方差冲击识别及美国货币政策冲击。
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
结构向量自回归的时变识别
- 研究问题
- 结构 VAR 的冲击识别能否随状态变化，并利用数据选择排除限制，而不必在所有时期固定同一套识别结构？
- 方法与思路
- 作者结合贝叶斯异方差马尔可夫转换结构 VAR、随机波动率与限制模式的多项先验，在不同状态中选择排除限制。
- 材料陈述的贡献
- 摘要称状态内时变波动率可识别结构冲击，使排除限制成为过度识别限制；美国应用支持货币政策冲击识别随时间变化。
- 阅读关注点
- 应核对波动率识别所需条件、状态与限制模式的区分、先验敏感性，以及货币政策冲击在不同状态中的可比性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明完整识别条件、状态设定及经验结果的不确定性。
原文摘要
We propose a novel Bayesian heteroskedastic Markov-switching structural vector autoregression with data-driven time-varying identification. The model selects among alternative patterns of exclusion restrictions to identify structural shocks within the Markov process regimes. We implement the selection through a multinomial prior distribution over these patterns, which is a spike'n'slab prior for individual parameters. By combining a Markov-switching structural matrix with heteroskedastic structural shocks following a stochastic volatility process, the model enables shock identification through time-varying volatility within a regime. As a result, the exclusion restrictions become over-identifying, and their selection is driven by the signal from the data. Our empirical application shows that data support time variation in the US monetary policy shock identification. We also verify that time-varying volatility identifies the monetary policy shock within the regimes.