Estimation of Impulse-Response Functions with Dynamic Factor Models: A New Parametrization
动态因子模型脉冲响应函数的估计：一种新参数化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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究动态因子模型的脉冲响应识别，并应用于货币政策冲击，直接对应因子模型及宏观冲击分析。
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
动态因子模型脉冲响应函数的估计：一种新参数化
- 研究问题
- 动态因子模型中，不同脉冲响应的观测等价如何造成非识别，新的参数化能否容纳识别约束并表达更丰富的动态结构？
- 方法与思路
- 作者提出新的脉冲响应参数化，纳入最小识别条件及过度识别约束，用 EM 算法估计，并分析高维宏观数据中的货币政策冲击。
- 材料陈述的贡献
- 摘要称，新框架嵌套既有识别条件，附加约束可带来效率收益，动态设定比主成分基准更灵活，并提供配套 R 软件包。
- 阅读关注点
- 应核对观测等价关系、最小及过度识别约束的经济含义，以及效率结论的条件、EM 收敛和货币政策冲击的具体识别方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未列出约束和估计数值，应用反应较强或基准反直觉不构成普遍优越证据。
原文摘要
We propose a new parametrization for the estimation and identification of the impulse-response functions (IRFs) of dynamic factor models (DFMs). The theoretical contribution of this paper concerns the problem of observational equivalence between different IRFs, which implies non-identification of the IRF parameters without further restrictions. We show how the previously proposed minimal identification conditions are nested in the new framework and can be further augmented with overidentifying restrictions leading to efficiency gains. The current standard practice for the IRF estimation of DFMs is based on principal components, compared to which the new parametrization is less restrictive and allows for modelling richer dynamics. As the empirical contribution of the paper, we develop an estimation method based on the EM algorithm, which incorporates the proposed identification restrictions. In the empirical application, we use a standard high-dimensional macroeconomic dataset to estimate the effects of a monetary policy shock. We estimate a strong reaction of the macroeconomic variables, while the benchmark models appear to give qualitatively counterintuitive results. The estimation methods are implemented in the accompanying R package.