NON‐LINEAR DSGE MODELS AND THE CENTRAL DIFFERENCE KALMAN FILTER
非线性 DSGE 模型与中心差分卡尔曼滤波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：摘要研究宏观动态模型的滤波与似然估计，直接涉及动态时间序列方法。
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
非线性 DSGE 模型与中心差分卡尔曼滤波
- 研究问题
- 如何估计具有潜在非高斯冲击的非线性 DSGE 模型？中心差分卡尔曼滤波下的准最大似然能否具备良好的渐近性质？
- 方法与思路
- 作者提出基于中心差分卡尔曼滤波的准最大似然方法，并对二阶、三阶求解及高斯、Laplace 和随机波动冲击开展模拟。
- 材料陈述的贡献
- 作者预期该估计量对最高三阶求解的 DSGE 模型具有一致性与渐近正态性；摘要称相应 Monte Carlo 研究支持这些性质。
- 阅读关注点
- 核对一致性和渐近正态性论证所需条件、滤波近似与模型求解误差，并检查模拟如何评价非高斯冲击下的估计表现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认渐近性质的完整证明和适用范围；Monte Carlo 支持不能替代证明或保证所有非高斯情形有效。
原文摘要
SUMMARY This paper introduces a quasi maximum likelihood approach based on the central difference Kalman filter to estimate non‐linear dynamic stochastic general equilibrium (DSGE) models with potentially non‐Gaussian shocks. We argue that this estimator can be expected to be consistent and asymptotically normal for DSGE models solved up to third order. These properties are verified in a Monte Carlo study for a DSGE model solved to second and third order with structural shocks that are Gaussian, Laplace distributed, or display stochastic volatility. Copyright © 2012 John Wiley & Sons, Ltd.