Using time-varying volatility for identification in Vector Autoregressions: An application to endogenous uncertainty
利用时变波动率识别 VAR：内生不确定性应用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：摘要明确提出随机波动率结构 VAR，用于识别结构冲击并分析宏观不确定性反馈，支持 VAR 冲击与时间序列方向。
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…
利用时变波动率识别 VAR：内生不确定性应用
- 研究问题
- 在结构 VAR 中，一个变量同时影响其他变量的均值和方差时，如何利用随机波动率识别冲击，并刻画宏观不确定性的同期反馈？
- 方法与思路
- 作者构建含随机波动率及均值、方差影响通道的结构 VAR，给出条件后验和 MCMC 估计算法，并利用波动率提供冲击识别限制。
- 材料陈述的贡献
- 摘要称，美国数据分析发现部分变量对宏观不确定性存在显著同期反馈，忽略该通道可能扭曲不确定性对经济影响的估计。
- 阅读关注点
- 应核对波动率提供何种识别限制、均值与方差通道如何区分，以及先验、抽样算法、美国变量选择和反馈效应的衡量。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法判断冲击识别的充分条件、显著性的具体依据或扭曲幅度，也不能推断其他版本变化。
原文摘要
We develop a structural vector autoregression with stochastic volatility in which one of the variables can impact both the mean and the variance of the other variables. We provide conditional posterior distributions for this model, develop an MCMC algorithm for estimation, and show how stochastic volatility can be used to provide useful restrictions for the identification of structural shocks. We then use the model with US data to show that some variables have a significant contemporaneous feedback effect on macroeconomic uncertainty, and overlooking this channel can lead to distortions in the estimated effects of uncertainty on the economy.