Identification and Inference in Structural Vector Autoregressive Models

Description

Dieses Projekt analysiert neue Methoden zur Identifikation undbr Inferenz in strukturellen vektorautoregressiven (SVAR) Modellen.br SVAR-Modelle werden in der empirischen Wirtschaftsforschungbr häufig benutzt, um die gemeinsame Dynamik vektorieller Zeitreihenbr zu modellieren und die gesamtwirtschaftlichen Auswirkungenbr ökonomischer Schocks (z.B. von geldpolitischen Schocks) zubr untersuchen. Das Projekt wird den Werkzeugkoffer für Anwender derbr SVAR-Modellklasse mit neuen und theoretisch fundierten Methodenbr erweitern. Dieses Ziel ist von hoher praktischer Relevanz, da SVARModellebr in der angewandten Makroökonomik und derbr Finanzwirtschaft sehr oft für die Politikanalyse benutzt werden. Einigebr der bei Praktikern beliebten Methoden sind aber theoretisch nochbr nicht hinreichend erforscht bzw. für die vorliegenden Fragestellungenbr nicht geeignet. Dieses Projekt entwickelt daher die Methoden für diebr strukturelle Analyse multipler Zeitreihen weiter. Der erste Teil desbr Projekts fokussiert sich auf die Identifikation strukturellerbr (ökonomischer) Schocks. Bisher benutzte Methoden zur Identifikationbr basieren oftmals auf Restriktionen aus der ökonomischen Theorie, diebr in vielen Fällen nicht anhand von Daten überprüft werden können.br Daher werden neue und alternative Methoden zur Identifikationbr entwickelt und analysiert. Die Analyse konzentriert sich dabei aufbr Methoden, die verschiedene Identifikationsstrategien miteinanderbr kombinieren. Ebenso wird die Identifikation struktureller Schocksbr durch Modelle mit stochastischer Volatilität betrachtet. Zudem wirdbr untersucht, inwieweit Regularisierungs-Methoden zur Identifikation inbr faktor-augmentierten vektorautoregressiven (FAVAR) Modellen fürbr große Datensätze benutzt werden können. Strukturelle Impuls-br Antwort-Folgen stellen eine zentrale Größe innerhalb einer SVARAnalysebr dar. Im zweiten Projektteil untersuchen wir daherverschiedene Inferenzmethoden für strukturelle Impuls-Antwort-br Folgen. Dazu gehört die Entwicklung verbesserterbr Projektionsschätzer zusammen mit valider Inferenz für Impuls-br Antworten. Zudem wird die Bootstrap-Inferenz für strukturelle VARModellebr mit kointegrierten Zeitreihen und heteroskedastischenbr Fehlertermen entwickelt und theoretisch untersucht. Es wird weiterhinbr erforscht, wie eine valide Inferenz in FAVAR-Modellen die existierendebr Schätzunsicherheit adäquat abbilden kann.pbr Zusammenfassung (englisch)pThis project analyzes new methods for identification and inference inbr structural vector autoregressive (SVAR) models. SVAR models arebr widely used in applied economics to capture the joint dynamics ofbr multiple time series and to investigate the effects of structural shocks.br Results from this project will enlarge the toolbox of SVAR practitionersbr with new, theoretically well-grounded and valid methods. This is ofbr high practical importance, as SVAR modelling is widely used for policybr analysis in empirical macroeconomics and finance. Some of thebr methods used by practitioners still lack a thorough theoretical analysisbr or are not suitable for questions at hand. Therefore, this projectbr develops and analyzes new methods for the structural analysis ofbr multiple time series. In the first part of the project, we focus on thebr identification of structural shocks. Existing strategies for identificationbr often use non-data information coming e.g. from economic theory.br This strategy is often difficult to justify and not testable using data.br Therefore, we analyze and develop new and alternative methods forbr identification of economically meaningful shocks. We focus onbr innovative identification methods that combine various existingbr techniques. We also analyze identification using stochastic volatilitybr and discuss how regularization methods can be exploited forbr identification in factor-augmented vector autoregressive (FAVAR)br models for large data sets. Structural impulse responses are of corebr interest in SVAR analysis. In the second part of this project, webr therefore analyze estimation and statistical inference on structuralbr impulse responses. This includes the exploration of refined localbr projection estimators for impulse responses and the development ofbr valid inference in this context. We also develop bootstrap inference inbr structural VAR models with cointegrated time series andbr heteroskedastic errors. Finally, we explore the consequences of usingbr factor-augmented VARs when inference on impulse responses is ofbr interest.

Institutions
  • Department of Economics
Further information
Period: 01.01.2019 – 30.09.2022