Test per Vector Fondamentale media mobile Rappresentanze Indiana University di Bloomington - Dipartimento di Economia data scritta: 16 dicembre 2015 Vi proponiamo un test per invertibilità o fundamentalness di autoregressivo vettore strutturale modello a media mobile generati dal non-gaussiano indipendenti e identicamente distribuite (IID) shock strutturali . Dimostriamo che in questi modelli e in alcune condizioni di regolarità le innovazioni Wold sono una differenza di martingala (MDS) se e solo se gli shock strutturali sono fondamentali. Questa caratterizzazione semplice ma potente suggerisce una strategia empirica per valutare invertibilità. Vi proponiamo un test basato su una densità spettrale generalizzato per verificare la proprietà MDS delle innovazioni Wold. Questo approccio non richiede di specificare e stimare le informazioni agenti economici flussi o per identificare e stimare i parametri strutturali e le radici non invertibile. Inoltre, la proposta statistica test usa tutti i ritardi nel campione e ha una comoda asintotico N (0, 1) distribuzione sotto l'ipotesi nulla di invertibilità, e quindi, è semplice da implementare. In caso di rifiuto, il test può essere ulteriormente utilizzato per controllare se un dato insieme di variabili aggiuntive fornisce contenuto informativo sufficiente per ripristinare invertibilità. Uno studio Monte Carlo è condotto per esaminare l'andamento finiti campione della nostra prova. Infine, il test proposto viene applicata a due opere ampiamente citati sugli effetti di shock fiscali di Blanchard e Perotti (2002) e Ramey (2011). Parole chiave: Rappresentazioni fondamentali generalizzata spettro di identificazione invertibile Moving Classificazione media JEL: C5, C32, E62 Citazione suggerita: consigliato Citation Chen, Bin e Choi, Jinho e Escanciano, Juan Carlos, Test per Vector Fondamentale Moving Rappresentanze media (16 dicembre, 2015). CAEPR Working Paper No. 022-2015. Disponibile a SSRN: ssrnabstract2704860 o dx. doi. org10.2139ssrn.2704860 Università di Rochester (e-mail) Dipartimento di Economia dell'Università di Rochester, NY 14620 Stati Uniti Bank of Korea (e-mail) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Corea del Sud (Corea del Sud) Indiana University di Bloomington - Dipartimento di Economia (e-mail) Wylie Sala Bloomington, iN 47.405-6.620 Stati Uniti 812-855-7925 (Phone) 812-855-3736 (fax) test per Vector fondamentale media mobile Rappresentanze Indiana University di Bloomington - Dipartimento di Economia data scritta: 16 dicembre 2015 proponiamo un test per invertibilità o fundamentalness di autoregressivo vettore strutturale modello a media mobile generati dal non-gaussiani indipendenti e identicamente distribuite (IID) shock strutturali. Dimostriamo che in questi modelli e in alcune condizioni di regolarità le innovazioni Wold sono una differenza di martingala (MDS) se e solo se gli shock strutturali sono fondamentali. Questa caratterizzazione semplice ma potente suggerisce una strategia empirica per valutare invertibilità. Vi proponiamo un test basato su una densità spettrale generalizzato per verificare la proprietà MDS delle innovazioni Wold. Questo approccio non richiede di specificare e stimare le informazioni agenti economici flussi o per identificare e stimare i parametri strutturali e le radici non invertibile. Inoltre, la proposta statistica test usa tutti i ritardi nel campione e ha una comoda asintotico N (0, 1) distribuzione sotto l'ipotesi nulla di invertibilità, e quindi, è semplice da implementare. In caso di rifiuto, il test può essere ulteriormente utilizzato per controllare se un dato insieme di variabili aggiuntive fornisce contenuto informativo sufficiente per ripristinare invertibilità. Uno studio Monte Carlo è condotto per esaminare l'andamento finiti campione della nostra prova. Infine, il test proposto viene applicata a due opere ampiamente citati sugli effetti di shock fiscali di Blanchard e Perotti (2002) e Ramey (2011). Parole chiave: Rappresentazioni fondamentali generalizzata spettro di identificazione invertibile Moving Classificazione media JEL: C5, C32, E62 Citazione suggerita: consigliato Citation Chen, Bin e Choi, Jinho e Escanciano, Juan Carlos, Test per Vector Fondamentale Moving Rappresentanze media (16 dicembre, 2015). CAEPR Working Paper No. 022-2015. Disponibile a SSRN: ssrnabstract2704860 o dx. doi. org10.2139ssrn.2704860 Università di Rochester (e-mail) Dipartimento di Economia dell'Università di Rochester, NY 14620 Stati Uniti Bank of Korea (e-mail) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Corea del Sud (Corea del Sud) Indiana University di Bloomington - Dipartimento di Economia (e-mail) Wylie Sala Bloomington, iN 47.405-6.620 Stati Uniti 812-855-7925 (Phone) 812-855-3736 (fax) test per Vector fondamentale Moving Rappresentanze media proponiamo un test per invertibilità o fundamentalness di autoregressivo vettore strutturale modello a media mobile generati dal non-gaussiani (IID) shock strutturali indipendenti e identicamente distribuite. Dimostriamo che in questi modelli e in alcune condizioni di regolarità le innovazioni Wold sono una differenza di martingala (MDS) se e solo se gli shock strutturali sono fondamentali. Questa caratterizzazione semplice ma potente suggerisce una strategia empirica per valutare invertibilità. Vi proponiamo un test basato su una densità spettrale generalizzato per verificare la proprietà MDS delle innovazioni Wold. Questo approccio non richiede di specificare e stimare le informazioni agenti economici flussi o per identificare e stimare i parametri strutturali e le radici non invertibile. Inoltre, la proposta statistica test usa tutti i ritardi nel campione e ha una comoda asintotico N (0 1) distribuzione sotto l'ipotesi nulla di invertibilità, e quindi, è semplice da implementare. In caso di rifiuto, il test può essere ulteriormente utilizzato per controllare se un dato insieme di variabili aggiuntive fornisce contenuto informativo sufficiente per ripristinare invertibilità. Uno studio Monte Carlo è condotto per esaminare l'andamento finiti campione della nostra prova. Infine, il test proposto viene applicata a due opere ampiamente citati sugli effetti di shock fiscali di Blanchard e Perotti (2002) e Ramey (2011). Se si verificano problemi durante il download di un file, controllare se si dispone l'applicazione corretta per vederlo prima. In caso di ulteriori problemi leggi le Idee Assistenza pagina. Si noti che questi file non sono sul sito IDEE. Si prega di essere paziente, come i file possono essere di grandi dimensioni. Carta fornito dal Centro di Economia applicata e la ricerca politica, Facoltà di Economia, Indiana University di Bloomington nella sua serie Caepr Working Papers con il numero 2015-022 Classificazione-C5, C32, E62. I riferimenti riportati sulle idee Si prega di segnalare gli errori di citazione o riferimento a. o. Se sei l'autore registrato del lavoro citato, accedere al RePEc Profilo dell'autore servizio. clicca sulle citazioni ed effettuare le regolazioni necessarie. Hamilton, James D Gang, Lin, 1996. volatilità del mercato azionario e il ciclo economico, Journal of Applied Econometrics. John Wiley Sons Ltd., vol. 11 (5), pagine 573-593, settembre-ottobre. Olivier J. Blanchard Jean-Paul Lhuillier Guido Lorenzoni, 2012. Notizie, Rumore, e le fluttuazioni: Una esplorazione empirica, Development Research Working Paper Series 092012, Istituto per gli studi di sviluppo avanzato. Jess Fernndez-Villaverde Juan Francisco Rubio-Ramrez Thomas J. Sargent, 2005. A, B, C, (e Ds) per la comprensione VAR, FRB Atlanta Working Paper 2005-09, Federal Reserve Bank di Atlanta. Jess Fernndez-Villaverde Juan F. Rubio-Ramrez Thomas J. Sargent Mark W. Watson, 2007. ABC (e DS) di VAR Understanding, American Economic Review. American Economic Association, vol. 97 (3), pagine 1021-1026, giugno. Jesus Fernandez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (e DS) per la comprensione VARS, PIER Working Paper Archive 05-018, Penn Istituto per la Ricerca Economica, Facoltà di Economia, Università degli Studi di Pennsylvania. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (e Ds) s per la comprensione VARS, Levine Bibliografia 172.782.000.000,000096 millions, UCLA Dipartimento di Economia. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent Mark Watson, 2006. A, B, Cs (e Ds) s per la comprensione VARS, Levine Bibliografia 321.307.000.000,000646 millions, UCLA Dipartimento di Economia. Jesus Fernandez-Villaverde Juan Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (e D) s per la comprensione VAR, NBER Technical Working Papers 0308, National Bureau of Economic Research, Inc. Quando si richiede una correzione, la preghiamo di ricordare questo articoli trattano: RePEc: inu: caeprp: 2.015.022. Guarda le informazioni generali su come correggere il materiale in RePEc. Per domande tecniche per quanto riguarda questo prodotto, o di correggere i suoi autori, titolo, abstract, bibliografico o scaricare informazioni, contattare: (Centro di Economia applicata e la ricerca politica) Se è stato autore di questa voce e non sei ancora registrato con RePEc, vi incoraggiamo per farlo qui. Questo permette di collegare il tuo profilo a questo oggetto. Consente inoltre di accettare eventuali citazioni a questo punto che siamo incerti. Se i riferimenti sono del tutto mancanti, è possibile aggiungere utilizzando questo modulo. Se elencano i riferimenti completi di un elemento che è presente in RePEc, ma il sistema non collegano ad esso, si può aiutare con questo modulo. Se siete a conoscenza di elementi che citano questo manca, ci si può aiutare la creazione di quei link aggiungendo i riferimenti relativi allo stesso modo come sopra, per ogni articolo riferendosi. Se sei un autore registrato di questa voce, si consiglia inoltre di controllare la scheda citazioni nel tuo profilo, in quanto vi possono essere alcune citazioni in attesa di conferma. Si prega di notare che le correzioni possono prendere un paio di settimane per filtrare attraverso i vari servizi di RePEc. Più servizi Seguire serie, riviste, autori ampère Nuovi documenti via e-mail Iscriviti alle nuove aggiunte al RePEc registrazione Autore profili pubblici per i ricercatori Economia varie classifiche di ricerca in campi correlati Economia amp che era uno studente di chi, utilizzando RePEc RePEc Biblio articoli a cura amp articoli su vari argomenti di economia Carica la tua carta per essere elencati su RePEc e idee EconAcademics Blog aggregator per casi di ricerca economia plagio plagio in Economia lavoro mercato Papers RePEc Working paper series dedicata al mercato del lavoro Fantasy League fingere di essere al timone di una economia Services department del StL Fed dati, ricerche, applicazioni amp più dal St. Louis FedDocumentation a è una costante vettore di offset, con n elementi. A i sono n - by - n matrici per ogni i. La A i sono matrici autoregressivi. Ci sono p matrici autoregressivi. 949 t è un vettore di innovazioni in serie non correlati. vettori di lunghezza n. I 949 t sono multivariati vettori casuale normale con una matrice di covarianza Q. dove Q è una matrice identità, se non diversamente specificato. B j sono n - by - n matrici per ogni j. Il j B si stanno muovendo matrici media. Ci sono q in movimento matrici media. X t è un n - by - matrice R rappresenta termini esogeni in ogni tempo t. r è il numero di serie esogeno. termini esogeni sono dati (o altri ingressi non modellate) oltre al tempo di risposta Serie Y t. b è una costante vettore di coefficienti di regressione di dimensioni r. Così il prodotto X t middotb è un vettore di dimensione n. In generale, il tempo di Serie Y t e X t sono osservabili. In altre parole, se si dispone di dati, esso rappresenta una o entrambe queste serie. Non sempre si conosce il compensato a. coefficiente b. autoregressivo matrici A i. e lo spostamento matrici media B j. In genere si vuole adattare questi parametri per i dati. Vedere la pagina di riferimento funzione di vgxvarx di modi per stimare i parametri sconosciuti. Le innovazioni 949 t non sono osservabili, almeno nei dati, anche se possono essere osservabili nelle simulazioni. Lag Operatore Rappresentazione Vi è una rappresentazione equivalente di equazioni lineari autoregressivi in termini di operatori lag. L'operatore ritardo L si muove l'indice di tempo indietro da uno: L y t y t 82111. L'operatore L m muove l'indice di tempo indietro di m. L m y t y t 8211 m. In forma di operatore di ritardo, l'equazione per un modello SVARMAX (p. Q. R) diventa (A x2211 0 x2212 i 1 p A i L i) y t un X t b (B 0 x2211 j 1 q B j L j) x03B5 t. Questa equazione può essere scritta come A (L) y T una X t b B (L) x03B5 t. Un modello VAR è stabile se det (I n x2212 A 1 Z x2212 A 2 Z 2 x2212. X2212 A PZP) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Questa condizione implica che, con tutte le innovazioni uguale a zero, il processo VAR converge ad un col passare del tempo. Vedere Luumltkepohl 74 Capitolo 2 per una discussione. Un modello VMA è invertibile se det (I n B 1 z B 2 Z 2. B q z q) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Questa condizione implica che la rappresentazione VAR pura del processo è stabile. Per una spiegazione di come convertire tra i modelli VMA VAR e, vedere Modifica del modello Rappresentanze. Vedere Luumltkepohl 74 Capitolo 11 per una discussione di modelli VMA invertibili. Un modello VARMA è stabile se la sua parte VAR è stabile. Allo stesso modo, un modello VARMA è invertibile se parte VMA è invertibile. Non vi è ben definito concetto di stabilità o di invertibilità per modelli con ingresso esogeni (ad esempio modelli VarMax). Un ingresso esogeno può destabilizzare un modello. Modelli VAR Costruzione Per capire un modello più serie di tempo, o più dati di serie temporali, in genere si eseguono i seguenti passaggi: Importazione e pre-elaborazione dei dati. Specificare un modello. Strutture Specification No Valori parametro per specificare un modello quando si desidera MATLAB x00AE per stimare i parametri Strutture di specifica con valori dei parametri selezionati per specificare un modello di cui si conosce alcuni parametri, e si desidera MATLAB per stimare gli altri Determinare un adeguato numero di GAL per determinare un numero adeguato di ritardi per il vostro modello di misura il modello di dati. I modelli di montaggio a dati da utilizzare vgxvarx per stimare i parametri sconosciuti nei modelli. Questo può comportare: la modifica del modello Rappresentanze di cambiare il proprio modello di un tipo che vgxvarx maniglie Analizzare e previsioni utilizzando il modello montato. Questo può comportare: Esaminando la stabilità di un modello su misura per determinare se il modello è stabile e invertibile. VAR modello di previsione di prevedere direttamente dai modelli o di prevedere con una simulazione Monte Carlo. Calcolo Risposte Impulse per calcolare risposte all'impulso, che danno le previsioni sulla base di un cambiamento ipotizzato in un ingresso per una serie temporale. Confrontare i risultati delle previsioni dei modelli di dati detenuti per la previsione. Per un esempio, vedere VAR Modello Caso di studio. L'applicazione non è necessario coinvolgere tutti i passaggi in questo flusso di lavoro. Ad esempio, si potrebbe non avere tutti i dati, ma vuole simulare un modello con parametri. In questo caso, si dovrebbe eseguire i passaggi solo il 2 e 4 del flusso di lavoro generico. Si potrebbe scorrere alcuni di questi passaggi. Esempi correlati Seleziona il tuo paese
Comments
Post a Comment