Max Share Identification of Multiple Shocks: An Application to Uncertainty and Financial Conditions
多重冲击的最大份额识别：不确定性与金融条件的应用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。
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：摘要明确研究结构 VAR 中多个冲击的识别及其宏观传导。
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
多重冲击的最大份额识别：不确定性与金融条件的应用
- 研究问题
- 研究如何在结构 VAR 中同时识别多个冲击，处理逐个识别导致的冲击相关性及缺乏经济依据的正交化问题。
- 方法与思路
- 作者将 Max Share 方法推广为多冲击联合优化问题，提出解存在与点识别条件，并设计贝叶斯估计和推断算法。
- 材料陈述的贡献
- 摘要称美国数据中的金融不确定性表现类似需求冲击，宏观不确定性解释较混合，且部分变化是对其他冲击的内生响应。
- 阅读关注点
- 应核对最大份额目标如何定义、联合识别与点识别条件，以及宏观不确定性、金融不确定性和信贷供给的区分依据。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法评估识别条件的可信度与实证稳健性，也不能推断后续刊本变化。
原文摘要
We generalize the Max Share approach to allow for simultaneous identification of a multiplicity of shocks in a Structural Vector Autoregression. Our machinery therefore overcomes the well-known drawbacks that individually identified shocks (i) tend to be correlated to each other or (ii) can be separated under orthogonalizations with weak economic ground. We show that identification corresponds to solving a non-trivial optimization problem. We provide conditions for non-emptiness of solutions and point-identification, and Bayesian algorithms for estimation and inference. We use the approach to study the effects of uncertainty and financial shocks, allowing for the possibility that the former responds contemporaneously to other shocks, distinguishing macroeconomic from financial uncertainty and credit supply shocks. Using US data we find that financial uncertainty mimics a demand shock, while the interpretation of macro uncertainty is more mixed. Furthermore, variation in uncertainty partially represents the endogenous response of uncertainty to other shocks.