Vector moving media representation

Propomos um teste para a invertibilidade ou fundamentalidade de modelos de média móvel auto-regressivos de vetor estrutural gerados por choques estruturais não-Gaussianos independentes e identicamente distribuídos (iid) . Demonstramos que nestes modelos e sob algumas condições de regularidade as inovações Wold são uma seqüência de martingala diferença (mds) se e somente se os choques estruturais são fundamentais. Esta caracterização simples mas poderosa sugere uma estratégia empírica para avaliar a invertibilidade. Propomos um teste baseado em uma densidade espectral generalizada para verificar a propriedade mds das inovações Wold. Esta abordagem não requer a especificação e estimativa dos fluxos de informação dos agentes económicos ou a identificação e estimativa dos parâmetros estruturais e das raízes não-inversíveis. Além disso, a estatística de teste proposta utiliza todos os atrasos na amostra e tem uma distribuição assintótica N (0, 1) conveniente sob a hipótese nula de invertibilidade e, portanto, é fácil de implementar. Em caso de rejeição, o teste pode ser ainda utilizado para verificar se um dado conjunto de variáveis ​​adicionais fornece conteúdo informacional suficiente para restaurar a invertibilidade. Um estudo de Monte Carlo é conduzido para examinar o desempenho da amostra finita do nosso teste. Finalmente, o teste proposto é aplicado a duas obras amplamente citadas sobre os efeitos dos choques fiscais por Blanchard e Perotti (2002) e Ramey (2017). Palavras-chave: Representações Fundamentais Identificação Generalizada do Espectro Média Móvel Invertida Classificação JEL: C5, C32, E62 Citação Sugerida: Citação Sugerida Chen, Bin e Choi, Jinho e Escanciano, Juan Carlos, Testando para as Representações Fundamentais de Movimento Média (16 de dezembro de 2017). CAEPR Working Paper No. 022-2017. Disponível em SSRN: ssrnabstract2704860 ou dx. doi. org10.2139ssrn.2704860 Universidade de Rochester (email) Departamento de Economia Universidade de Rochester Rochester, NY 14620 Estados Unidos Bank of Korea (e-mail) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Coreia do Sul (Coreia do Sul) Indiana University Bloomington - Departamento de Economia (e-mail) Wylie Hall Bloomington, IN 47405-6620 Estados Unidos 812-855-7925 (Telefone) 812-855-3736 (Fax) Testing for Propomos um teste para a invertibilidade ou fundamentalidade dos modelos de média móvel auto-regressiva de vetor estrutural gerados por choques estruturais não Gaussianos independentes e identicamente distribuídos (iid). Demonstramos que nestes modelos e sob algumas condições de regularidade as inovações Wold são uma seqüência de martingala diferença (mds) se e somente se os choques estruturais são fundamentais. Esta caracterização simples mas poderosa sugere uma estratégia empírica para avaliar a invertibilidade. Propomos um teste baseado em uma densidade espectral generalizada para verificar a propriedade mds das inovações Wold. Esta abordagem não requer a especificação e estimativa dos fluxos de informação dos agentes económicos ou a identificação e estimativa dos parâmetros estruturais e das raízes não-inversíveis. Além disso, a estatística de teste proposta utiliza todos os atrasos na amostra e tem uma distribuição assintótica N (0, 1) conveniente sob a hipótese nula de invertibilidade e, portanto, é fácil de implementar. Em caso de rejeição, o teste pode ser ainda utilizado para verificar se um dado conjunto de variáveis ​​adicionais fornece conteúdo informacional suficiente para restaurar a invertibilidade. Um estudo de Monte Carlo é conduzido para examinar o desempenho da amostra finita do nosso teste. Finalmente, o teste proposto é aplicado a duas obras amplamente citadas sobre os efeitos dos choques fiscais por Blanchard e Perotti (2002) e Ramey (2017). Palavras-chave: Representações Fundamentais Identificação Generalizada do Espectro Média Móvel Invertida Classificação JEL: C5, C32, E62 Citação Sugerida: Citação Sugerida Chen, Bin e Choi, Jinho e Escanciano, Juan Carlos, Testando para as Representações Fundamentais de Movimento Média (16 de dezembro de 2017). CAEPR Working Paper No. 022-2017. Disponível em SSRN: ssrnabstract2704860 ou dx. doi. org10.2139ssrn.2704860 Universidade de Rochester (email) Departamento de Economia Universidade de Rochester Rochester, NY 14620 Estados Unidos Bank of Korea (e-mail) 110, 3-Ga, Namdaemunno, Jung-Gu Seoul 100-794 Coreia do Sul (Coreia do Sul) Indiana University Bloomington - Departamento de Economia (e-mail) Wylie Hall Bloomington, IN 47405-6620 Estados Unidos 812-855-7925 (Telefone) 812-855-3736 (Fax) Testing for Propostas de Variáveis ​​Fundamentais de Movimento Médico Proporemos um teste para a invertibilidade ou fundamentalidade de modelos de média móvel autorregressiva de vetor estrutural gerados por choques estruturais não-gaussianos independentes e identicamente distribuídos (iid). Demonstramos que nestes modelos e sob algumas condições de regularidade as inovações Wold são uma seqüência de martingala diferença (mds) se e somente se os choques estruturais são fundamentais. Esta caracterização simples mas poderosa sugere uma estratégia empírica para avaliar a invertibilidade. Propomos um teste baseado em uma densidade espectral generalizada para verificar a propriedade mds das inovações Wold. Esta abordagem não requer a especificação e estimativa dos fluxos de informação dos agentes económicos ou a identificação e estimativa dos parâmetros estruturais e das raízes não-inversíveis. Além disso, a estatística de teste proposta utiliza todos os atrasos na amostra e tem uma distribuição assintótica N (0 1) conveniente sob a hipótese nula de invertibilidade e, portanto, é fácil de implementar. Em caso de rejeição, o teste pode ser ainda utilizado para verificar se um dado conjunto de variáveis ​​adicionais fornece conteúdo informacional suficiente para restaurar a invertibilidade. Um estudo de Monte Carlo é conduzido para examinar o desempenho da amostra finita do nosso teste. Finalmente, o teste proposto é aplicado a duas obras amplamente citadas sobre os efeitos dos choques fiscais por Blanchard e Perotti (2002) e Ramey (2017). Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Por favor, seja paciente, pois os arquivos podem ser grandes. Documento fornecido pelo Centro de Economia Aplicada e Política de Pesquisa, Departamento de Economia, Indiana University Bloomington em sua série Caepr Working Papers com número 2017-022 Classificação-C5, C32, E62. Referências listadas em IDEAS Por favor, informe erros de citação ou referência para. ou. Se você for o autor registrado do trabalho citado, faça login no seu perfil do Serviço de Autor RePEc. Clique em citações e faça os ajustes apropriados. Hamilton, James Gang D, Lin, 1996. Volatilidade do mercado de ações e do ciclo de negócios, Journal of Applied Econometrics. John Wiley Sons, Ltd. vol. 11 (5), páginas 573-593, Setembro-Outubro. Olivier J. Blanchard Jean-Paul LHuillier Guido Lorenzoni, 2017. Notícias, Ruído e Flutuações: Uma Exploração Empírica, Pesquisa de Desenvolvimento Série de Trabalho de Trabalho 092017, Instituto de Estudos Avançados de Desenvolvimento. Jess Fernndez-Villaverde Juan Francisco Rubio-Ramrez Thomas J. Sargent, 2005. A, B, Cs, (e Ds) para a compreensão de VARs, FRB Atlanta Working Paper 2005-09, Banco de Reserva Federal de Atlanta. Jess Fernndez-Villaverde Juan F. Rubio-Ramrez Thomas J. Sargento Mark W. Watson, 2007. ABCs (e Ds) de Entender VARs, American Economic Review. American Economic Association, vol. 97 (3), páginas 1021-1026, de Junho. Jesus Fernandez-Villaverde Juan F. Rubio-Ramírez Thomas J. Sargent, 2005. A, B, Cs (E Ds) Para Entender VARS, PIER Working Paper Arquivo 05-018, Penn Instituto de Pesquisa Econômica, Departamento de Economia, Universidade de Pensilvânia. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargent, 2005. A, B, Cs (e Ds) s para Entender VARS, Levines Bibliografia 172782000000000096, UCLA Departamento de Economia. Jess Fernndez-Villaverde Juan F. Rubio-Ramirez Thomas J. Sargento Mark Watson, 2006. A, B, Cs (e Ds) s para Entender VARS, Levines Bibliografia 321307000000000646, UCLA Departamento de Economia. Jesus Fernandez-Villaverde Juan Rubio-Ramírez Thomas J. Sargent, 2005. A, B, Cs (e D) s para entendimento VARs, NBER Technical Working Papers 0308, Bureau Nacional de Pesquisa Econômica, Inc. Ao solicitar uma correção, por favor, mencione Este identificador de itens: RePEc: inu: caeprp: 2017022. Veja informações gerais sobre como corrigir material no RePEc. Para questões técnicas sobre este item, ou para corrigir seus autores, título, resumo, informações bibliográficas ou download, entre em contato com: (Centro de Economia Aplicada e Pesquisa de Políticas) Se você é autor deste item e ainda não estão registrados no RePEc, Para fazê-lo aqui. Isso permite vincular seu perfil a este item. Ele também permite que você aceite citações em potencial para este item que estamos incertos sobre. Se as referências estiverem totalmente ausentes, você pode adicioná-las usando este formulário. Se as referências completas listarem um item que está presente no RePEc, mas o sistema não tiver vinculado a ele, você pode ajudar com este formulário. Se você souber de itens ausentes citando este, você pode nos ajudar a criar esses links adicionando as referências relevantes da mesma maneira como acima, para cada item referente. Se você é um autor registrado deste item, você também pode querer verificar a guia de citações em seu perfil, pois pode haver algumas citações esperando confirmação. Tenha em atenção que as correcções podem demorar algumas semanas para filtrar os vários serviços RePEc. Mais serviços Seguir séries, jornais, autores e mais Novos artigos por e-mail Subscrever novas adições ao RePEc Registro de autor Perfis públicos para pesquisadores de Economia Vários rankings de pesquisa em Economia e campos relacionados Quem foi um estudante de quem, usando RePEc Biblio Artigos curados amp Artigos em vários tópicos de economia Carregue seu artigo para ser listado em RePEc e IDEAS EconAcademics agregador de blogs para a pesquisa de economia Plágio Casos de plágio em Economia Papéis do mercado de trabalho RePEc série de trabalho de trabalho dedicado ao mercado de trabalho Fantasy League Finja que está ao leme de uma economia Departamento Serviços do StL Fed Dados, pesquisa, apps amp mais do St. Louis FedDocumentation um é um vetor constante de deslocamentos, com n elementos. A i são n-by-n matrizes para cada i. Os Ai são matrizes autorregressivas. Existem p matrizes autorregressivas. 949 t é um vector de inovações não correlacionadas em série. Vetores de comprimento n. Os 949 t são vetores aleatórios normais multivariados com matriz de covariância Q. Onde Q é uma matriz de identidade, salvo indicação em contrário. B j são n-by-n matrizes para cada j. As B j são matrizes de média móvel. Existem q matrizes de média móvel. Xt é uma matriz n-by-r representando termos exógenos em cada momento t. R é o número de séries exógenas. Termos exógenos são dados (ou outras entradas não modificadas) além da série de tempo de resposta y t. B é um vetor constante de coeficientes de regressão de tamanho r. Portanto, o produto X t middotb é um vetor de tamanho n. Geralmente, as séries temporais y t e X t são observáveis. Em outras palavras, se você tiver dados, ele representa uma ou ambas as séries. Você nem sempre sabe o deslocamento a. Coeficiente b. Matrizes autorregressivas A i. E matrizes de média móvel B j. Normalmente, você deseja ajustar esses parâmetros aos seus dados. Consulte a página de referência da função vgxvarx para obter formas de estimar parâmetros desconhecidos. As inovações 949 t não são observáveis, pelo menos em dados, embora possam ser observadas em simulações. Lag Representação do Operador Há uma representação equivalente das equações auto-regressivas lineares em termos de operadores de retardamento. O operador de atraso L move o índice de tempo de volta em um: L y t y t 82111. O operador L m move o índice de tempo para trás por m. L m y t y t 8211 m. Na forma de operador de lag, a equação para um modelo de SVARMAX (p. Q. R) torna-se (A 0 x 2212 x2211 i 1 p A i L i) y t a X t b (B 0 x 2211 j 1 q B j L j) x03B5 t. Esta equação pode ser escrita como A (L) y t a X t b B (L) x03B5 t. Um modelo VAR é estável se det (I n x2212 A 1 z x 2212 A 2 z 2 x 2212. x2212 A pzp) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Esta condição implica que, com todas as inovações igual a zero, o processo VAR converge para um Como o tempo passa. Veja Luumltkepohl 74 Capítulo 2 para uma discussão. Um modelo VMA é inversível se det (I n B 1 z B 2 z 2. B q z q) x2260 0 x00A0x00A0forx00A0x00A0 z x2264 1. Esta condição implica que a representação VAR pura do processo é estável. Para obter uma explicação de como converter entre modelos VAR e VMA, consulte Alterando Representações de Modelo. Veja o capítulo 11 de Luumltkepohl para uma discussão sobre os modelos VMA invertíveis. Um modelo VARMA é estável se sua parte VAR é estável. Da mesma forma, um modelo VARMA é inversível se sua parte VMA é invertible. Não existe uma noção bem definida de estabilidade ou de invertibilidade para modelos com entradas exógenas (por exemplo, modelos VARMAX). Uma entrada exógena pode desestabilizar um modelo. Construindo Modelos VAR Para entender um modelo de séries temporais múltiplas, ou vários dados de séries temporais, geralmente você executa as seguintes etapas: Importe e pré-processa dados. Especifique um modelo. Estruturas de Especificação sem Valores de Parâmetro para especificar um modelo quando você deseja que o MATLAB x00AE estime os parâmetros Estruturas de Especificação com Valores de Parâmetro Selecionados para especificar um modelo onde você conhece alguns parâmetros e deseja que o MATLAB estime os outros Determinando um Número Apropriado de Lags a determinar Um número adequado de defasagens para seu modelo Ajustar o modelo aos dados. Ajustando Modelos a Dados para usar o vgxvarx para estimar os parâmetros desconhecidos em seus modelos. Isso pode envolver: Modificação de Representações de Modelo para alterar seu modelo para um tipo que vgxvarx manipula Analise e preveja usando o modelo ajustado. Isto pode envolver: Examinando a estabilidade de um modelo ajustado para determinar se seu modelo é estável e invertible. Modelo VAR Previsão para prever diretamente a partir de modelos ou para prever usando uma simulação de Monte Carlo. Cálculo de respostas de impulso para calcular as respostas de impulso, que fornecem previsões baseadas numa alteração assumida numa entrada para uma série temporal. Compare os resultados das previsões de seus modelos com os dados disponíveis para a previsão. Para um exemplo, veja Estudo de Caso do Modelo VAR. Seu aplicativo não precisa envolver todas as etapas deste fluxo de trabalho. Por exemplo, você pode não ter quaisquer dados, mas sim simular um modelo parametrizado. Nesse caso, você executaria apenas as etapas 2 e 4 do fluxo de trabalho genérico. Você pode iterar através de algumas dessas etapas. Exemplos relacionados Selecione seu país