Structural estimation of jump-diffusion processes in macroeconomics
宏观经济学中跳跃扩散过程的结构估计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：摘要以连续时间宏观动态模型和美国总量数据中的跳跃过程为对象，直接支持宏观时间序列方向的归类。
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
宏观经济学中跳跃扩散过程的结构估计
- 研究问题
- 如何求解并估计含跳跃的连续时间 DSGE 模型，以及连续时间形式能否方便处理非线性、非正态性与深层参数估计？
- 方法与思路
- 作者通过似然函数估计连续时间模型，以随机 AK 和新古典增长模型作示例，并开展 Monte Carlo 与美国总量数据应用。
- 材料陈述的贡献
- 摘要称该框架可简化所述模型的计算和估计，模拟能够检测非正态性，并报告美国总量数据中存在跳跃的经验证据。
- 阅读关注点
- 应核对跳跃过程的设定、模型解与观测数据的衔接、似然计算和参数识别，以及跳跃证据所依赖的比较与检验。
- 阅读边界
- 所给出版社摘要未给出总量变量、跳跃参数、检测功效或计算成本；所称简化和经验证据不能推广至所有 DSGE 模型。
原文摘要
This paper shows how to solve and estimate a continuous-time dynamic stochastic general equilibrium (DSGE) model with jumps. It also shows that a continuous-time formulation can make it simpler (relative to its discrete-time version) to compute and estimate the deep parameters using the likelihood function when non-linearities and/or non-normalities are considered. We illustrate our approach by solving and estimating the stochastic AK and the neoclassical growth models. Our Monte Carlo experiments demonstrate that non-normalities can be detected for this class of models. Moreover, we provide strong empirical evidence for jumps in aggregate US data.