A narrative approach to a fiscal DSGE model
财政 DSGE 模型的叙事识别方法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。
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：摘要明确使用叙事政策冲击、代理变量 VAR 和冲击响应分析。
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
财政 DSGE 模型的叙事识别方法
- 研究问题
- 作者考察完整结构 DSGE 模型与基于叙事冲击的部分识别 SVAR 是否给出一致解释，以及结构模型的潜在误设如何体现于政策分析。
- 方法与思路
- 作者将叙事数据纳入 DSGE-SVAR，以部分识别政策冲击，并构建贝叶斯代理变量 VAR 方法，通过边际似然评估 DSGE 相对叙事基准的拟合。
- 材料陈述的贡献
- 摘要称，该方法适用于某类泰勒规则；估计显示结构识别与叙事信息不一致，差异涉及冲击响应、历史冲击和政策规则，并指向货币政策配合财政冲击。
- 阅读关注点
- 应核对叙事代理变量的识别条件、允许的泰勒规则类别、贝叶斯设定及边际似然比较，并检查货币政策配合结论的稳健性。
- 阅读边界
- 仅依据所给 Crossref 摘要；叙事数据有效性、具体规则限制及结果敏感性未说明，不能据此独立确认识别或模型误设。
原文摘要
Structural DSGE models are used for analyzing both policy and the sources of business cycles. Conclusions based on full structural models are, however, potentially affected by misspecification. A competing method is to use partially identified SVARs based on narrative shocks. This paper asks whether both approaches agree. Specifically, I use narrative data in a DSGE‐SVAR that partially identify policy shocks in the VAR and assess the fit of the DSGE model relative to this narrative benchmark. In developing this narrative DSGE‐SVAR, I develop a tractable Bayesian approach to proxy VARs and show that such an approach is valid for models with a certain class of Taylor rules. Estimating a DSGE‐SVAR based on a standard DSGE model with fiscal rules and narrative data, I find that the DSGE model identification is at odds with the narrative information as measured by the marginal likelihood. I trace this discrepancy to differences in impulse responses, identified historical shocks and policy rules. The results indicate monetary accommodation of fiscal shocks.