Vektor glidande medelvärde representation

Test för grundläggande vektorrörande genomsnittspresentationer Indiana University Bloomington - Institutionen för ekonomi Datum skriven: 16 december, 2015 Vi föreslår ett test för invertibility eller fundamentalness av strukturella vektorautoregressiva rörliga genomsnittsmodeller som genereras av icke-gaussiska oberoende och identiskt fördelade (iid) strukturella chocker . Vi bevisar att i dessa modeller och under vissa regelbundna förhållanden är Wold-innovationerna en martingale skillnadsföljd (mds) om och endast om strukturella chocker är grundläggande. Denna enkla men kraftfulla karakterisering antyder en empirisk strategi för att bedöma omvändbarhet. Vi föreslår ett test baserat på en generaliserad spektral densitet för att kontrollera för MDS-egenskapen hos Wold-innovationerna. Denna metod kräver inte att specificera och uppskatta de ekonomiska aktörernas informationsflöden eller att identifiera och uppskatta strukturparametrarna och de icke-inverterbara rötterna. Dessutom använder den föreslagna teststatistiken alla lager i provet och den har en lämplig asymptotisk N (0, 1) fördelning under null-hypotesen av invertibilitet, och det är därför enkelt att implementera. Vid avslag kan testet vidare användas för att kontrollera om en given uppsättning ytterligare variabler ger tillräcklig informativ innehåll för att återställa invertibiliteten. En Monte Carlo-studie genomförs för att undersöka testets slutgiltiga resultat. Slutligen tillämpas det föreslagna testet på två brett hänvisade verk om effekterna av skattechocker av Blanchard och Perotti (2002) och Ramey (2011). Nyckelord: Grundläggande representationer Allmänt spektrumidentifiering Omvändbar rörlig genomsnitts JEL-klassificering: C5, C32, E62 Föreslagen citering: Föreslagen citat Chen, Bin och Choi, Jinho och Escanciano, Juan Carlos, Testing för grundläggande vektorrörande genomsnittspresentationer (16 december 2015). CAEPR Arbetspapper nr 022-2015. Tillgänglig på SSRN: ssrnabstract2704860 eller dx. doi. org10.2139ssrn.2704860 University of Rochester (email) Institutionen för ekonomi University of Rochester Rochester, NY 14620 USA Bank of Korea (email) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Korea, Republic of (Sydkorea) Indiana University Bloomington - Institutionen för ekonomi (email) Wylie Hall Bloomington, IN 47405-6620 USA 812-855-7925 (Telefon) 812-855-3736 (Fax) Testning för Grundläggande Vector Moving Average Representations Indiana University Bloomington - Institutionen för ekonomi Datum Skriven: 16 december, 2015 Vi föreslår ett test för invertibility eller fundamentalness av strukturella vektorautoregressiva rörliga genomsnittsmodeller som genereras av icke-gaussiska oberoende och identiskt distribuerade (iid) strukturella chocker. Vi bevisar att i dessa modeller och under vissa regelbundna förhållanden är Wold-innovationerna en martingale skillnadsföljd (mds) om och endast om strukturella chocker är grundläggande. Denna enkla men kraftfulla karakterisering antyder en empirisk strategi för att bedöma omvändbarhet. Vi föreslår ett test baserat på en generaliserad spektral densitet för att kontrollera för MDS-egenskapen hos Wold-innovationerna. Denna metod kräver inte att specificera och uppskatta de ekonomiska aktörernas informationsflöden eller att identifiera och uppskatta strukturparametrarna och de icke-inverterbara rötterna. Dessutom använder den föreslagna teststatistiken alla lager i provet och den har en lämplig asymptotisk N (0, 1) fördelning under null-hypotesen av invertibilitet, och det är därför enkelt att implementera. Vid avslag kan testet vidare användas för att kontrollera om en given uppsättning ytterligare variabler ger tillräcklig informativ innehåll för att återställa invertibiliteten. En Monte Carlo-studie genomförs för att undersöka testets slutgiltiga resultat. Slutligen tillämpas det föreslagna testet på två brett hänvisade verk om effekterna av skattechocker av Blanchard och Perotti (2002) och Ramey (2011). Nyckelord: Grundläggande representationer Allmänt spektrumidentifiering Omvändbar rörlig genomsnitts JEL-klassificering: C5, C32, E62 Föreslagen citering: Föreslagen citat Chen, Bin och Choi, Jinho och Escanciano, Juan Carlos, Testing för grundläggande vektorrörande genomsnittspresentationer (16 december 2015). CAEPR Arbetspapper nr 022-2015. Tillgänglig på SSRN: ssrnabstract2704860 eller dx. doi. org10.2139ssrn.2704860 University of Rochester (email) Institutionen för ekonomi University of Rochester Rochester, NY 14620 USA Bank of Korea (email) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Korea, Republic of (Sydkorea) Indiana University Bloomington - Institutionen för ekonomi (email) Wylie Hall Bloomington, IN 47405-6620 USA 812-855-7925 (Telefon) 812-855-3736 (Fax) Testning för Grundläggande vektorflyttande genomsnittspresentationer Vi föreslår ett test för invertibilitet eller fundamentalitet i strukturella vektorautoregressiva rörliga genomsnittsmodeller som genereras av icke-gaussiska oberoende och identiskt fördelade (iid) strukturella chocker. Vi bevisar att i dessa modeller och under vissa regelbundna förhållanden är Wold-innovationerna en martingale skillnadsföljd (mds) om och endast om strukturella chocker är grundläggande. Denna enkla men kraftfulla karakterisering antyder en empirisk strategi för att bedöma omvändbarhet. Vi föreslår ett test baserat på en generaliserad spektral densitet för att kontrollera för MDS-egenskapen hos Wold-innovationerna. Denna metod kräver inte att specificera och uppskatta de ekonomiska aktörernas informationsflöden eller att identifiera och uppskatta strukturparametrarna och de icke-inverterbara rötterna. Dessutom använder den föreslagna teststatistiken alla lags i provet och den har en lämplig asymptotisk N (0 1) fördelning under nullhypotesen av invertibilitet, och det är därför enkelt att implementera. Vid avslag kan testet vidare användas för att kontrollera om en given uppsättning ytterligare variabler ger tillräcklig informativ innehåll för att återställa invertibiliteten. En Monte Carlo-studie genomförs för att undersöka testets slutgiltiga resultat. Slutligen tillämpas det föreslagna testet på två brett hänvisade verk om effekterna av skattechocker av Blanchard och Perotti (2002) och Ramey (2011). Om du har problem med att hämta en fil, kontrollera om du har rätt program för att visa den först. Vid ytterligare problem läs IDEAS hjälp sida. Observera att dessa filer inte finns på IDEAS-webbplatsen. Var tålmodig eftersom filerna kan vara stora. Papper som tillhandahålls av Centrum för tillämpad ekonomi och politikforskning, Ekonomiavdelning, Indiana University Bloomington i sin serie Caepr Working Papers med nummer 2015-022 Klassificering-C5, C32, E62. Referenser listade på IDEAS Var god rapportera citat eller referensfel till. eller. Om du är registrerad författare av det citerade arbetet, logga in på din RePEc Author Service-profil. klicka på citat och gör lämpliga justeringar. Hamilton, James D Gang, Lin, 1996. Aktiemarknadens volatilitet och affärscykeln, Journal of Applied Econometrics. John Wiley Sons, Ltd. vol. 11 (5), sidorna 573-593, september-okt. Olivier J. Blanchard Jean-Paul LHuillier Guido Lorenzoni, 2012. Nyheter, buller och fluktuationer: En empirisk undersökning, utvecklingsforskning Arbetspapper Serie 092012, Institut för avancerade utvecklingsstudier. Jess Fernndez-Villaverde Juan Francisco Rubio-Ramrez Thomas J. Sargent, 2005. A, B, Cs, (och Ds) för att förstå VAR, 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 (och Ds) för förståelse av VAR, amerikansk ekonomisk granskning. American Economic Association, vol. 97 (3), sidorna 1021-1026, juni. Jesus Fernandez-Villaverde Juan F. Rubio-Ramirez, Thomas J. Sargent, 2005. A, B, Cs (och Ds) för förståelse av VARS, PIER Working Paper Archive 05-018, Penn Institute for Economic Research, Department of Economics, University of Pennsylvania sylvania~~POS=HEADCOMP. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (och Ds) s för Förståelse VARS, Levines Bibliografi 172782000000000096, UCLA Institutionen för ekonomi. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent Mark Watson, 2006. A, B, Cs (och Ds) s för Förståelse VARS, Levines Bibliography 321307000000000646, UCLA Department of Economics. Jesus Fernandez-Villaverde Juan Rubio-Ramirez, Thomas J. Sargent, 2005. A, B, Cs (och D) s för Förstå VAR, NBER Tekniska Arbetande Legitimationen 0308, National Bureau of Economic Research, Inc. När du begär en korrigering Dessa saker hanterar: RePEc: inu: caeprp: 2015022. Se allmän information om hur du korrigerar material i RePEc. För tekniska frågor angående det här objektet, eller för att rätta till dess författare, titel, abstrakt, bibliografisk eller nedladdningsinformation, kontakta: (Centrum för tillämpad ekonomi och politikforskning) Om du har skapat det här föremålet och ännu inte är registrerat hos RePEc uppmuntrar vi dig att göra det här. Detta låter dig länka din profil till det här objektet. Det tillåter dig också att acceptera potentiella citat till det här objektet som vi är osäkra på. Om referenser saknas helt kan du lägga till dem med det här formuläret. Om de fullständiga referenserna listar ett objekt som är närvarande i RePEc, men systemet inte länkade till det, kan du hjälpa till med det här formuläret. Om du känner till saknade objekt som citerar den här kan du hjälpa oss att skapa dessa länkar genom att lägga till relevanta referenser på samma sätt som ovan för varje refererande artikel. Om du är en registrerad författare till det här objektet kan du också kolla citatfliken i din profil, eftersom det kan finnas några citat som väntar på bekräftelse. Observera att korrigeringar kan ta några veckor för att filtrera genom de olika RePEc-tjänsterna. Fler tjänster Följ serier, tidskrifter, författare mer Nya nyhetsbrev via e-post Prenumerera på nya tillägg till RePEc Författarregistrering Offentliga profiler för ekonomiforskare Olika forskningsbetyg inom ekonomi och närliggande områden Vem var en elev av som använder RePEc RePEc Biblio Curated articles amp papper på olika ekonomi ämnen Ladda upp ditt papper för att vara listat på RePEc och IDEAS EconAcademics Bloggaggregat för ekonomisk forskning Plagiat Fall av plagiering i ekonomi Arbetsmarknadspapper RePEc arbetspapperserie dedikerad till arbetsmarknaden Fantasy League Låt dig vara i riken för en ekonomi avdelningen Tjänster från StL Fed Data, forskning, apps amp mer från St. Louis FedDocumentation a är en konstant vektor offsets, med n element. A jag är n-by-n matriser för varje jag. A i är autoregressiva matriser. Det finns p autoregressiva matriser. 949 t är en vektor av seriekorrelerade innovationer. vektorer med längd n. 949 t är multivariata normala slumpmässiga vektorer med en kovariansmatris Q. där Q är en identitetsmatris, om inget annat anges. Bj är n-by-n matriser för varje j. Bj förflyttar medelmatriserna. Det finns q glidande medelmatriser. X t är en n-by-matrix som representerar exogena termer vid varje tidpunkt t. r är antalet exogena serier. Exogena termer är data (eller andra ofördelade ingångar) förutom svarstidsserien y t. b är en konstant vektor av regressionskoefficienter av storlek r. Så produkten X t middotb är en vektor med storlek n. I allmänhet är tidsserierna y t och X t observerbara. Med andra ord, om du har data representerar den en eller båda serierna. Du vet inte alltid offset a. koefficient b. autoregressiva matriser A i. och rörliga medelmatriser B j. Du vill vanligtvis anpassa dessa parametrar till dina data. Se vgxvarx-referenssidan för sätt att beräkna okända parametrar. Innovationerna 949 t är inte observerbara, åtminstone i data, även om de kan observeras i simuleringar. Lagoperatörsrepresentation Det finns en ekvivalent representation av de linjära autoregressiva ekvationerna i termer av lagoperatörer. Lagringsoperatören L flyttar tidsindexet med en: L y t y t 82111. Operatören L m flyttar tidsindexet tillbaka med m. L m y t y t 8211 m. I fördröjningsoperatörsform blir ekvationen för en SVARMAX (p. Q. R) modell (A 0 x2212 x2211 i 1 p A i L i) a t X t b (B 0 x2211 j 1 q B j L j) x03B5 t. Denna ekvation kan skrivas som A (L) y t a X t b B (L) x03B5 t. En VAR-modell är stabil om det (I n x2212 A 1 z x2212 A 2 z 2 x2212 x2212 A pzp) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Detta villkor innebär att alla innovationer är lika med noll, konvergerar VAR-processen till en som tiden går vidare. Se Luumltkepohl 74 Kapitel 2 för en diskussion. En VMA-modell är omvändbar om det (I n B 1 z B 2 z 2. B q z q) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Detta villkor innebär att processen för ren VAR-representation är stabil. För en förklaring av hur man konverterar mellan VAR - och VMA-modeller, se Ändra modellrepresentationer. Se Luumltkepohl 74 Kapitel 11 för en diskussion av inverterbara VMA-modeller. En VARMA-modell är stabil om dess VAR-del är stabil. På liknande sätt är en VARMA-modell inverterbar om dess VMA-del är inverterbar. Det finns ingen väldefinierad definition av stabilitet eller invertibilitet för modeller med exogena ingångar (t ex VARMAX-modeller). En exogen ingång kan destabilisera en modell. Att bygga VAR-modeller För att förstå en multipel tidsserie modell eller flera tidsseriedata utför du vanligtvis följande steg: Importera och förbehandla data. Ange en modell. Specifikationskonstruktioner utan parametervärden för att ange en modell när du vill MATLAB x00AE för att uppskatta parametrarna Specifikationstrukturer med valda parametervärden för att ange en modell där du känner till några parametrar och vill att MATLAB ska uppskatta de andra. Att bestämma ett lämpligt antal Lags för att bestämma ett lämpligt antal lager för din modell Anpassa modellen till data. Montera Modeller till Data för att använda vgxvarx för att uppskatta de okända parametrarna i dina modeller. Det kan innebära: Ändra modellrepresentationer för att ändra din modell till en typ som vgxvarx hanterar Analysera och prognosera med den monterade modellen. Det kan innebära: Undersöka stabiliteten hos en monterad modell för att avgöra om din modell är stabil och inverterbar. VAR modellprognoser prognoser direkt från modeller eller att prognosera med en Monte Carlo-simulering. Beräkning av impulsreaktioner för att beräkna impulsresponser, vilket ger prognoser baserade på en antagen förändring av en inmatning till en tidsserie. Jämför resultaten av dina modeller prognoser med data som hålls ut för prognoser. Se till exempel VAR Model Case Study. Din ansökan behöver inte involvera alla steg i detta arbetsflöde. Till exempel kanske du inte har några data, men vill simulera en parametrerad modell. I så fall skulle du bara utföra steg 2 och 4 i det generiska arbetsflödet. Du kan iterera genom några av dessa steg. Relaterade exempel Välj ditt land