Testing for grunnleggende vektorflytende gjennomsnittsrepresentasjoner Indiana University Bloomington - Department of Economics Dato skrevet: 16. desember 2015 Vi foreslår en test for invertibilitet eller fundamentalitet av strukturelle vektor autoregressive bevegelige gjennomsnittlige modeller generert av ikke-gaussiske uavhengige og identisk distribuerte (iid) strukturelle støt . Vi viser at i disse modellene og under noen regelmessige forhold er Wold-innovasjonene en martingale forskjellsekvens (mds) hvis og bare hvis strukturelle sjokk er grunnleggende. Denne enkle, men kraftige karakteriseringen antyder en empirisk strategi for å vurdere invertibility. Vi foreslår en test basert på en generalisert spektral tetthet for å se etter MDS-egenskapen til Wold-innovasjonene. Denne tilnærmingen krever ikke å spesifisere og estimere de økonomiske agenter informasjonsflyter eller å identifisere og anslå strukturelle parametere og de ikke-inverterbare røttene. Videre bruker den foreslåtte teststatistikken alle lags i prøven, og den har en bekvem asymptotisk N (0, 1) fordeling under null-hypotesen om inverterbarhet, og derfor er det rettferdig å implementere. Ved avvisning kan testen videre brukes til å kontrollere om et gitt sett med tilleggsvariabler gir tilstrekkelig informativt innhold for å gjenopprette inverterbarhet. En Monte Carlo-studie gjennomføres for å undersøke testenes endelige prøveprøve. Til slutt er den foreslåtte testen påført to britiske kilder på effekter av skattemessige sjokk av Blanchard og Perotti (2002) og Ramey (2011). Nøkkelord: Fundamental Representations Generalized Spectrum Identification Invertible Moving Gjennomsnitt JEL Klassifisering: C5, C32, E62 Foreslått Sitat: Foreslått Citation Chen, Bin og Choi, Jinho og Escanciano, Juan Carlos, Testing for Fundamental Vector Moving Average Representations (16. desember 2015). CAEPR Working Paper nr. 022-2015. Tilgjengelig på SSRN: ssrnabstract2704860 eller dx. doi. org10.2139ssrn.2704860 University of Rochester (email) Avdeling for økonomi University of Rochester Rochester, NY 14620 USA Bank of Korea (email) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Korea, Republikken (Sør-Korea) Indiana University Bloomington - Institutt for økonomi (email) Wylie Hall Bloomington, IN 47405-6620 USA 812-855-7925 (Telefon) 812-855-3736 (Fax) Testing for Fundamental Vector Moving Gjennomsnittlig Representasjon Indiana University Bloomington - Department of Economics Dato skrevet: 16. desember 2015 Vi foreslår en test for invertibility eller fundamentalness av strukturelle vektor autoregressive bevegelige gjennomsnittlige modeller generert av ikke-Gaussian uavhengige og identisk distribuerte (iid) strukturelle støt. Vi viser at i disse modellene og under noen regelmessige forhold er Wold-innovasjonene en martingale forskjellsekvens (mds) hvis og bare hvis strukturelle sjokk er grunnleggende. Denne enkle, men kraftige karakteriseringen antyder en empirisk strategi for å vurdere invertibility. Vi foreslår en test basert på en generalisert spektral tetthet for å se etter MDS-egenskapen til Wold-innovasjonene. Denne tilnærmingen krever ikke å spesifisere og estimere de økonomiske agenter informasjonsflyter eller å identifisere og anslå strukturelle parametere og de ikke-inverterbare røttene. Videre bruker den foreslåtte teststatistikken alle lags i prøven, og den har en bekvem asymptotisk N (0, 1) fordeling under null-hypotesen om inverterbarhet, og det er derfor rettferdig å implementere. Ved avvisning kan testen videre brukes til å kontrollere om et gitt sett med tilleggsvariabler gir tilstrekkelig informativt innhold for å gjenopprette inverterbarhet. En Monte Carlo-studie gjennomføres for å undersøke testenes endelige prøveprøve. Til slutt er den foreslåtte testen påført to brede arbeid på effekter av skattemessige sjokk av Blanchard og Perotti (2002) og Ramey (2011). Nøkkelord: Fundamental Representations Generalized Spectrum Identification Invertible Moving Gjennomsnitt JEL Klassifisering: C5, C32, E62 Foreslått Sitat: Foreslått Citation Chen, Bin og Choi, Jinho og Escanciano, Juan Carlos, Testing for Fundamental Vector Moving Average Representations (16. desember 2015). CAEPR Working Paper nr. 022-2015. Tilgjengelig på SSRN: ssrnabstract2704860 eller dx. doi. org10.2139ssrn.2704860 University of Rochester (email) Avdeling for økonomi University of Rochester Rochester, NY 14620 USA Bank of Korea (email) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Korea, Republikken (Sør-Korea) Indiana University Bloomington - Institutt for økonomi (email) Wylie Hall Bloomington, IN 47405-6620 USA 812-855-7925 (Telefon) 812-855-3736 (Fax) Testing for Fundamentale vektorflytende gjennomsnittsrepresentasjoner Vi foreslår en test for invertibilitet eller fundamentalitet i strukturelle vektorautoregressive bevegelige gjennomsnittsmodeller generert av ikke-gaussiske uavhengige og identisk distribuerte (iid) strukturelle støt. Vi viser at i disse modellene og under noen regelmessige forhold er Wold-innovasjonene en martingale forskjellsekvens (mds) hvis og bare hvis strukturelle sjokk er grunnleggende. Denne enkle, men kraftige karakteriseringen antyder en empirisk strategi for å vurdere invertibility. Vi foreslår en test basert på en generalisert spektral tetthet for å se etter MDS-egenskapen til Wold-innovasjonene. Denne tilnærmingen krever ikke å spesifisere og estimere de økonomiske agenter informasjonsflyter eller å identifisere og anslå strukturelle parametere og de ikke-inverterbare røttene. Videre bruker den foreslåtte teststatistikken alle lags i prøven, og den har en bekvem asymptotisk N (0 1) fordeling under null-hypotesen om inverterbarhet, og det er derfor rettferdig å implementere. Ved avvisning kan testen videre brukes til å kontrollere om et gitt sett med tilleggsvariabler gir tilstrekkelig informativt innhold for å gjenopprette inverterbarhet. En Monte Carlo-studie gjennomføres for å undersøke testenes endelige prøveprøve. Til slutt er den foreslåtte testen påført to brede arbeid på effekter av skattemessige sjokk av Blanchard og Perotti (2002) og Ramey (2011). Hvis du opplever problemer med å laste ned en fil, må du kontrollere om du har det riktige programmet for å se det først. I tilfelle av flere problemer, les IDEAS hjelpesiden. Vær oppmerksom på at disse filene ikke er på IDEAS-siden. Vær tålmodig da filene kan være store. Paper levert av Senter for anvendt økonomi og politikk forskning, økonomi avdeling, Indiana University Bloomington i sin serie Caepr Working Papers med nummer 2015-022 Klassifisering-C5, C32, E62. Referanser oppført på IDEAS Vennligst rapporter referanse eller referansefeil til. eller. Hvis du er registrert forfatter av det oppgitte arbeidet, logg deg på RePEc Author Service-profilen. klikk på sitater og foreta passende justeringer. Hamilton, James D Gang, Lin, 1996. Børsvolatilitet og forretningssyklusen, Journal of Applied Econometrics. John Wiley Sons, Ltd. vol. 11 (5), side 573-593, september-okt. Olivier J. Blanchard Jean-Paul LHuillier Guido Lorenzoni, 2012. Nyheter, Støy og Fluktuasjoner: En Empirisk Utforskning, Utviklingsforsknings Working Paper Series 092012, Institute for Advanced Development Studies. Jess Fernndez-Villaverde, Juan Francisco Rubio-Ramrez, Thomas J. Sargent, 2005. A, B, Cs, (og Ds) for å forstå VARs, FRB Atlanta Working Paper 2005-09, Federal Reserve Bank of Atlanta. Jess Fernndez-Villaverde Juan F. Rubio-Ramrez Thomas J. Sargent Mark W. Watson, 2007. ABCs (and Ds) of Understanding VARs, American Economic Review. American Economic Association, vol. 97 (3), side 1021-1026, juni. Jesus Fernandez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (Og Ds) For Forståelse VARS, PIER Working Paper Archive 05-018, Penn Institute for Economic Research, Institutt for økonomi, University of Pennsylvania. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (og Ds) s for Forstå VARS, Levines Bibliografi 172782000000000096, UCLA Institutt for økonomi. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent Mark Watson, 2006. A, B, Cs (og Ds) s for Forstå VARS, Levines Bibliografi 321307000000000646, UCLA Institutt for økonomi. Jesus Fernandez-Villaverde Juan Rubio-Ramirez, Thomas J. Sargent, 2005. A, B, Cs (og D) s for forståelse VARs, NBER tekniske arbeidsdokumenter 0308, National Bureau of Economic Research, Inc. Når du ber om en korreksjon, vennligst nevnt Disse elementene håndterer: RePEc: inu: caeprp: 2015022. Se generell informasjon om hvordan du retter materiale i RePEc. For tekniske spørsmål angående dette elementet, eller for å rette opp forfatterens, tittel, abstrakt, bibliografisk eller nedlastingsinformasjon, ta kontakt: (Senter for anvendt økonomi og politikkforskning) Hvis du har forfattet dette elementet og ennå ikke er registrert hos RePEc, oppfordrer vi deg å gjøre det her. Dette gjør det mulig å koble profilen din til dette elementet. Det tillater deg også å akseptere potensielle sitater til dette elementet som vi er usikre på. Hvis referanser mangler helt, kan du legge til dem ved hjelp av dette skjemaet. Hvis de fulle referansene viser et element som er til stede i RePEc, men systemet ikke lenker til det, kan du hjelpe med dette skjemaet. Hvis du vet om manglende elementer som citerer denne, kan du hjelpe oss med å opprette disse linkene ved å legge til de relevante referansene på samme måte som ovenfor, for hvert referanseelement. Hvis du er en registrert forfatter av dette elementet, kan du også sjekke tittelfanen i profilen din, da det kan være noen henvisninger som venter på bekreftelse. Vær oppmerksom på at rettelser kan ta noen uker å filtrere gjennom de ulike RePEc-tjenestene. Flere tjenester Følg serier, tidsskrifter, forfattere mer Ny nyhetsbrev via e-post Abonner på nye tilføyelser til RePEc Forfatterregistrering Offentlige profiler for økonomiforskere Forskjellige forskningsrangeringer i økonomi-relaterte felt Hvem var student av hvem ved hjelp av RePEc RePEc Biblio Curated articles amp papirer på ulike økonomi-emner Last opp papiret ditt for å bli oppført på RePEc og IDEAS EconAcademics Bloggaggregat for økonomiforskning Plagiering Sager av plagiering i økonomi Arbeidsmarkedspapirer RePEc arbeidspapirserier dedikert til arbeidsmarkedet Fantasy League Låt deg være i roret av en økonomi avdelingen Tjenester fra StL Fed Data, forskning, apps amp mer fra St. Louis FedDocumentation a er en konstant vektor offsets, med n elementer. A jeg er n-en-matriser for hver jeg. A i er autoregressive matriser. Det er p autoregressive matriser. 949 t er en vektor av serielt ukorrelerte innovasjoner. vektorer med lengde n. 949 t er multivariate normale tilfeldige vektorer med en kovariansmatrise Q. hvor Q er en identitetsmatrise, med mindre annet er angitt. B j er n-by-n matriser for hver j. Bj flytter gjennomsnittlige matriser. Det er q bevegelige gjennomsnittsmatriser. X t er en n-by-matrise som representerer eksogene vilkår ved hver tid t. r er antall eksogene serier. Eksogene vilkår er data (eller andre umodellerte innganger) i tillegg til responstidsserien y t. b er en konstant vektor av regresjonskoeffisienter av størrelse r. Så produktet X t middotb er en vektor med størrelse n. Generelt er tidsseriene y t og X t observerbare. Med andre ord, hvis du har data, representerer den en eller begge seriene. Du vet ikke alltid offseten a. koeffisient b. autoregressive matriser A i. og bevegelige gjennomsnittsmatriser B j. Du vil vanligvis tilpasse disse parametrene til dine data. Se vgxvarx-funksjonsreferansesiden for måter å estimere ukjente parametere på. Innovasjonene 949 t er ikke observerbare, i hvert fall i data, selv om de kan observeres i simuleringer. Lagoperatørrepresentasjon Det er en ekvivalent representasjon av de lineære autoregressive ligningene i forhold til lagoperatører. Lagsoperatøren L flytter tidsindeksen tilbake med en: L y t y t 82111. Operatøren L m flytter tidsindeksen tilbake med m. L m y t y t 8211 m. I lagoperatørform blir ligningen for en SVARMAX-modell (p. Q. R) (A 0 x2212 x2211 i 1 p A i L i) a t X t b (B 0 x 2211 j 1 q B j L j) x03B5 t. Denne ligningen kan skrives som A (L) y t a X t b B (L) x03B5 t. En VAR-modell er stabil hvis det (I n x2212 A 1 z x 2212 A 2 z 2 x 2212 x2212 A pzp) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Denne betingelsen innebærer at alle prosessene tilsvarer null, forvandler VAR-prosessen til en som tiden går videre. Se Luumltkepohl 74 Kapittel 2 for en diskusjon. En VMA-modell er inverterbar hvis det (I n B 1 z B 2 z 2. B q z q) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Denne betingelsen innebærer at den rene VAR-representasjonen av prosessen er stabil. For en forklaring på hvordan du konverterer mellom VAR og VMA-modeller, se Endre modellrepresentasjoner. Se Luumltkepohl 74 Kapittel 11 for en diskusjon av inverterbare VMA-modeller. En VARMA-modell er stabil hvis VAR-delen er stabil. På samme måte er en VARMA-modell inverterbar hvis dens VMA-del er inverterbar. Det er ingen veldefinert forestilling om stabilitet eller invertibilitet for modeller med eksogene innganger (for eksempel VARMAX-modeller). En eksogen inngang kan destabilisere en modell. Å bygge VAR-modeller For å forstå en flere tidsseriemodell eller flere tidsseriedata, utfører du vanligvis følgende trinn: Importer og forhåndsbehandle data. Angi en modell. Spesifikasjonsstrukturer uten parameterværdi for å spesifisere en modell når du vil at MATLAB x00AE skal estimere parametrene Spesifikasjonsstrukturer med valgte parameterverdier for å angi en modell hvor du kjenner noen parametere og vil at MATLAB skal estimere de andre. Bestemme et passende antall lag for å bestemme et passende antall lags for din modell. Tilpass modellen til data. Passer Modeller til Data for å bruke vgxvarx til å estimere de ukjente parameterne i modellene dine. Dette kan innebære: Endre modellrepresentasjoner for å endre modellen til en type som vgxvarx håndterer Analyser og prognoser ved hjelp av den monterte modellen. Dette kan innebære: Undersøk stabiliteten til en montert modell for å avgjøre om modellen din er stabil og inverterbar. VAR modellprognoser å prognose direkte fra modeller eller å prognostisere ved hjelp av en Monte Carlo simulering. Beregning av impulsresponser for å beregne impulsresponser, som gir prognoser basert på en antatt endring i en inngang til en tidsserie. Sammenlign resultatene fra modellene dine prognoser til data holdt ut for prognoser. For eksempel, se VAR Model Case Study. Programmet ditt trenger ikke involvere alle trinnene i denne arbeidsflyten. For eksempel har du kanskje ingen data, men vil simulere en parameterisert modell. I så fall vil du bare utføre trinn 2 og 4 i generisk arbeidsflyt. Du kan iterere gjennom noen av disse trinnene. Beslektede eksempler Velg ditt land
Comments
Post a Comment