跳到正文
← 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:摘要直接研究符号与零限制识别的结构向量自回归,并讨论乐观冲击,明确对应 VAR 与冲击识别。

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

符号与零限制识别的结构向量自回归推断:理论与应用

研究问题
使用符号限制和零限制识别结构向量自回归时,如何从指定的结构参数共轭后验独立抽样,并避免实现算法在原识别方案之外加入额外限制?
方法与思路
作者先从正交化简约式参数的均匀—正态—逆 Wishart 共轭后验独立抽样,再将结果变换为结构参数,诱导出正态—广义正态后验族。
材料陈述的贡献
摘要称,所提算法可从指定结构后验族独立抽样;以乐观冲击研究为例,作者解析说明惩罚函数方法会加入识别方案未列出的额外限制。
阅读关注点
应核对两种参数化间的变换及其诱导后验、符号与零限制的实施方式,并查看惩罚函数增加了哪些限制及其对乐观冲击推断的影响。
阅读边界
摘要未展示先验设定、算法细节和应用中的量化差异;结论涉及特定后验族与限制实施方式,不能据此断言所有替代算法都会产生同类问题。

原文摘要

In this paper, we develop algorithms to independently draw from a family of conjugate posterior distributions over the structural parameterization when sign and zero restrictions are used to identify structural vector autoregressions (SVARs). We call this family of conjugate posteriors normal‐generalized‐normal. Our algorithms draw from a conjugate uniform‐normal‐inverse‐Wishart posterior over the orthogonal reduced‐form parameterization and transform the draws into the structural parameterization; this transformation induces a normal‐generalized‐normal posterior over the structural parameterization. The uniform‐normal‐inverse‐Wishart posterior over the orthogonal reduced‐form parameterization has been prominent after the work of Uhlig (2005). We use Beaudry, Nam, and Wang's (2011) work on the relevance of optimism shocks to show the dangers of using alternative approaches to implementing sign and zero restrictions to identify SVARs like the penalty function approach. In particular, we analytically show that the penalty function approach adds restrictions to the ones described in the identification scheme.

笔记与分组