Fast and Efficient Estimation of Macromodels with Large Shocks
大冲击宏观模型的快速高效估计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：摘要以宏观动态模型的非线性非高斯滤波和冲击发生时间识别为方法核心，因此归入时间序列方向。
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…
大冲击宏观模型的快速高效估计
- 研究问题
- 如何在大冲击环境下高效估计非线性宏观模型，并识别冲击来源与发生时间，以解释疫情下不同部门的异质暴露？
- 方法与思路
- 作者非线性求解两部门模型，提出面向大冲击的非线性非高斯滤波器，并结合蒙特卡洛、实证、反事实和参数敏感性分析。
- 材料陈述的贡献
- 摘要称模拟中运行时间大幅减少且大冲击估计可行；实证显示疫情衰退可由较大的需求与供给冲击组合解释。
- 阅读关注点
- 应核对滤波器近似、冲击来源的识别条件和计算比较基准，以及部门异质性设定、反事实互补性分析与参数敏感性。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；加速倍数、识别条件与实证数据未说明，不能据此判断计算优势的普适性或推断版本变化。
原文摘要
We propose a new approach for efficiently estimating and analyzing macroeconomic models subject to large shocks. We apply the methodology to a two-sector model that captures the heterogeneous exposure of different sectors to the COVID-19 pandemic. We solve the model nonlinearly and propose a new nonlinear, non-Gaussian filter designed to handle large shocks and identify their source and time location. Monte Carlo experiments show that the estimation and identification of large shocks are feasible with a massively reduced running time. Empirical results indicate that the pandemic-induced economic downturn can be reconciled with a combination of large demand and supply shocks. Finally, we present a set of counterfactual experiments to filter out potential demand and supply shock complementarities, and perform a robustness exercise to check the sensitivity of the model parameters to large shocks.