Estimating dynamic equilibrium models using mixed frequency macro and financial data
利用混频宏观与金融数据估计动态均衡模型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：摘要明确围绕连续时间宏观金融模型与不同频率时间序列的联合估计展开。
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…
利用混频宏观与金融数据估计动态均衡模型
- 研究问题
- 如何在动态均衡模型中联合使用日频金融数据与较低频宏观序列，直接估计结构参数，并评估不同推断方法的小样本表现？
- 方法与思路
- 作者以连续时间形式表达宏观金融模型，通过非线性鞅估计函数推断结构参数，并与回归方法及广义矩方法进行比较。
- 材料陈述的贡献
- 摘要称，论文提供渐近理论和模拟证据，以均值回复利率的不同 AK-Vasicek 模型为例，并报告三十年美国数据的估计。
- 阅读关注点
- 应核对鞅估计函数的构造、混频观测的处理及结构参数识别条件，并查看不同模型版本、比较方法和实证样本的具体设置。
- 阅读边界
- 仅据所给出版社摘要解读；摘要未给出渐近理论条件、具体估计值或方法比较结果，不能推断哪种方法普遍更优及版本变化。
原文摘要
We provide a framework for inference in dynamic equilibrium models including financial market data at daily frequency, along with macro series at standard lower frequency. Our formulation of the macro-finance model in continuous time conveniently accounts for the difference in observation frequency. We suggest the use of martingale estimating functions (MEF) to infer the structural parameters of the model directly through a nonlinear scheme. This method is compared to regression-based methods and the generalized method of moments (GMM). We illustrate our approaches by estimating various versions of the AK-Vasicek model with mean-reverting interest rates. We provide asymptotic theory and Monte Carlo evidence on the small sample behavior of the estimators and report empirical estimates using 30 years of US macro and financial data.