Wild inference for wild SVARs with application to volatility-based IV
复杂 SVAR 的依赖野生自助推断：波动率工具变量应用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：摘要明确研究 SVAR、局部投影、持久时间序列及货币政策冲击响应推断。
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…
复杂 SVAR 的依赖野生自助推断：波动率工具变量应用
- 研究问题
- 面对单位根、协整、趋势与条件异方差，如何无需预检验便推断 SVAR 参数的联合分布，并改善多期冲击响应推断？
- 方法与思路
- 作者提出基于局部投影的依赖野生自助法，直接用于水平数据，并利用联合渐近分布进行平滑和外部矩弱识别稳健推断。
- 材料陈述的贡献
- 摘要称该方法在一般持久性与异方差环境下适用，可提高冲击响应估计效率、收窄多期置信界，并用于美国货币政策。
- 阅读关注点
- 应核对依赖自助权重的构造、允许的持久性和趋势条件，以及平滑、多期置信界与外部矩推断如何保持有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未详列理论条件，不能据此认定任意持久性数据都适用。
原文摘要
We propose a dependent wild bootstrap method based on local projections for computing the joint asymptotic distribution of parameter estimates in structural vector autoregression models. This procedure can be applied to the raw data in levels without pretesting while remaining robust to unit roots, cointegration, polynomial trends, and conditionally heteroscedastic shocks in a general form. We show how knowledge of the joint asymptotic distribution in persistent data setups can improve the efficiency of impulse response function estimators through smoothing, narrow multi-horizon confidence bounds, and deliver weak identification robust inference using external moments. We illustrate these findings in simulations and apply the method to US monetary policy shocks identified by FOMC-meeting-induced volatility.