Identification of Structural Vector Autoregressions by Stochastic Volatility
利用随机波动识别结构向量自回归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：摘要以随机波动识别结构 VAR 并分析石油供给冲击，核心是结构冲击识别与作用分析，因此归入结构 VAR 与冲击分析相关方向。
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
利用随机波动识别结构向量自回归
- 研究问题
- 随机波动能否为结构向量自回归提供完全或部分统计识别，并帮助检验工具变量限制、区分传统石油供给冲击与未来供给消息冲击的作用？
- 方法与思路
- 作者利用随机波动识别结构参数，以 EM 算法开展极大似然推断，并利用异方差模型中的过度识别限制检验工具变量约束。
- 材料陈述的贡献
- 摘要称开发 EM 算法，模拟中方差误设下仍表现较好；石油应用认为传统供给冲击可忽略，而未来供给消息冲击解释几乎全部油价变动。
- 阅读关注点
- 核对随机波动带来完全或部分识别的条件、EM 计算和模拟比较设置，以及工具变量限制如何赋予统计识别的冲击经济含义。
- 阅读边界
- 摘要明确提示异方差识别的冲击可能缺乏经济含义；未说明工具变量有效性、数据区间及结果敏感性，油价结论需结合全文评估。
原文摘要
We propose to exploit stochastic volatility for statistical identification of structural vector autoregressive models (SV-SVAR). We discuss full and partial identification of the model and develop efficient EM algorithms for maximum likelihood inference. Simulation evidence suggests that the SV-SVAR works well in identifying structural parameters also under misspecification of the variance process, particularly if compared to alternative heteroscedastic SVARs. We apply the model to study the importance of oil supply shocks for driving oil prices. Since shocks identified by heteroscedasticity may not be economically meaningful, we exploit the framework to test instrumental variable restrictions which are overidentifying in the heteroscedastic model. Our findings suggest that conventional supply shocks are negligible, while news shocks about future supply account for almost all the variation in oil prices.