Convergence of Computed Dynamic Models with Unbounded Shock
无界冲击下数值计算动态模型的收敛性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦一般动态模型的数值收敛理论，未明确对应所列细分中的具体估计任务。
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
无界冲击下数值计算动态模型的收敛性
- 研究问题
- 当动态经济模型的冲击没有有界支持时，数值模拟得到的不变测度及近似似然在什么条件下能收敛到对应的精确对象？
- 方法与思路
- 作者研究无界冲击下近似不变测度向精确不变测度的收敛条件，并据此为数值计算所用近似似然的收敛提供依据。
- 材料陈述的贡献
- 摘要称将相关收敛论证从紧支持冲击拓展至无界冲击情形，为包含正态冲击等动态模型的数值似然计算提供理论支持。
- 阅读关注点
- 应核对冲击尾部与状态空间条件、数值近似误差的度量，以及不变测度收敛如何进一步推出似然收敛。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未列出具体条件，不能据此认定任意动态模型或算法都收敛。
原文摘要
This paper studies the asymptotic convergence of computed dynamic models when the shock is unbounded. Most dynamic economic models lack a closed-form solution. As such, approximate solutions by numerical methods are utilized. Since the researcher cannot directly evaluate the exact policy function and the associated exact likelihood, it is imperative that the approximate likelihood asymptotically converges -- as well as to know the conditions of convergence -- to the exact likelihood, in order to justify and validate its usage. In this regard, Fernandez-Villaverde, Rubio-Ramirez, and Santos (2006) show convergence of the likelihood, when the shock has compact support. However, compact support implies that the shock is bounded, which is not an assumption met in most dynamic economic models, e.g., with normally distributed shocks. This paper provides theoretical justification for most dynamic models used in the literature by showing the conditions for convergence of the approximate invariant measure obtained from numerical simulations to the exact invariant measure, thus providing the conditions for convergence of the likelihood.