A Generalized Method of Moments Estimator for Structural Vector Autoregressions Based on Higher Moments
基于高阶矩的结构向量自回归广义矩估计量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：摘要明确研究结构向量自回归，以高阶矩识别结构冲击，并分析经济活动、油价与股价的同期互动，对应VAR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…
关注这篇论文的作者
基于高阶矩的结构向量自回归广义矩估计量
- 研究问题
- 在冲击相互独立且非高斯的结构VAR中，如何利用高阶矩识别同期相互作用，并据此构造广义矩估计量？
- 方法与思路
- 作者把通常基于协方差的识别思路扩展到共偏度与共峰度，以数据的高阶矩信息识别结构冲击，并进行广义矩估计。
- 材料陈述的贡献
- 摘要称，相比只用协方差，加入共偏度和共峰度可在既定冲击假设下识别并估计同期相互作用，并提供有限样本分析和应用。
- 阅读关注点
- 核对高阶矩存在条件、独立性和非高斯性如何保证识别，以及冲击标签的确定、广义矩权重选择和有限样本比较。
- 阅读边界
- 摘要所称无需进一步限制以冲击独立、非高斯为前提；摘要未说明完整识别条件、矩存在要求及经验应用的数值结果。
原文摘要
I propose a generalized method of moments estimator for structural vector autoregressions with independent and non-Gaussian shocks. The shocks are identified by exploiting information contained in higher moments of the data. Extending the standard identification approach, which relies on the covariance, to the coskewness and cokurtosis allows the simultaneous interaction to be identified and estimated without any further restrictions. I analyze the finite sample properties of the estimator and apply it to illustrate the simultaneous interaction between economic activity, oil, and stock prices. Supplementary materials for this article are available online.