Projects

Dieses Projekt analysiert neue Methoden zur Identifikation und
Inferenz in strukturellen vektorautoregressiven (SVAR) Modellen.
SVAR-Modelle werden in der empirischen Wirtschaftsforschung
häufig benutzt, um die gemeinsame Dynamik vektorieller Zeitreihen
zu modellieren und die gesamtwirtschaftlichen Auswirkungen
ökonomischer Schocks (z.B. von geldpolitischen Schocks) zu
untersuchen. Das Projekt wird den Werkzeugkoffer für Anwender der
SVAR-Modellklasse mit neuen und theoretisch fundierten Methoden
erweitern. Dieses Ziel ist von hoher praktischer Relevanz, da SVARModelle
in der angewandten Makroökonomik und der
Finanzwirtschaft sehr oft für die Politikanalyse benutzt werden. Einige
der bei Praktikern beliebten Methoden sind aber theoretisch noch
nicht hinreichend erforscht bzw. für die vorliegenden Fragestellungen
nicht geeignet. Dieses Projekt entwickelt daher die Methoden für die
strukturelle Analyse multipler Zeitreihen weiter. Der erste Teil des
Projekts fokussiert sich auf die Identifikation struktureller
(ökonomischer) Schocks. Bisher benutzte Methoden zur Identifikation
basieren oftmals auf Restriktionen aus der ökonomischen Theorie, die
in vielen Fällen nicht anhand von Daten überprüft werden können.
Daher werden neue und alternative Methoden zur Identifikation
entwickelt und analysiert. Die Analyse konzentriert sich dabei auf
Methoden, die verschiedene Identifikationsstrategien miteinander
kombinieren. Ebenso wird die Identifikation struktureller Schocks
durch Modelle mit stochastischer Volatilität betrachtet. Zudem wird
untersucht, inwieweit Regularisierungs-Methoden zur Identifikation in
faktor-augmentierten vektorautoregressiven (FAVAR) Modellen für
große Datensätze benutzt werden können. Strukturelle Impuls-
Antwort-Folgen stellen eine zentrale Größe innerhalb einer SVARAnalyse
dar. Im zweiten Projektteil untersuchen wir daherverschiedene Inferenzmethoden für strukturelle Impuls-Antwort-
Folgen. Dazu gehört die Entwicklung verbesserter
Projektionsschätzer zusammen mit valider Inferenz für Impuls-
Antworten. Zudem wird die Bootstrap-Inferenz für strukturelle VARModelle
mit kointegrierten Zeitreihen und heteroskedastischen
Fehlertermen entwickelt und theoretisch untersucht. Es wird weiterhin
erforscht, wie eine valide Inferenz in FAVAR-Modellen die existierende
Schätzunsicherheit adäquat abbilden kann.

Zusammenfassung (englisch)

This project analyzes new methods for identification and inference in
structural vector autoregressive (SVAR) models. SVAR models are
widely used in applied economics to capture the joint dynamics of
multiple time series and to investigate the effects of structural shocks.
Results from this project will enlarge the toolbox of SVAR practitioners
with new, theoretically well-grounded and valid methods. This is of
high practical importance, as SVAR modelling is widely used for policy
analysis in empirical macroeconomics and finance. Some of the
methods used by practitioners still lack a thorough theoretical analysis
or are not suitable for questions at hand. Therefore, this project
develops and analyzes new methods for the structural analysis of
multiple time series. In the first part of the project, we focus on the
identification of structural shocks. Existing strategies for identification
often use non-data information coming e.g. from economic theory.
This strategy is often difficult to justify and not testable using data.
Therefore, we analyze and develop new and alternative methods for
identification of economically meaningful shocks. We focus on
innovative identification methods that combine various existing
techniques. We also analyze identification using stochastic volatility
and discuss how regularization methods can be exploited for
identification in factor-augmented vector autoregressive (FAVAR)
models for large data sets. Structural impulse responses are of core
interest in SVAR analysis. In the second part of this project, we
therefore analyze estimation and statistical inference on structural
impulse responses. This includes the exploration of refined local
projection estimators for impulse responses and the development of
valid inference in this context. We also develop bootstrap inference in
structural VAR models with cointegrated time series and
heteroskedastic errors. Finally, we explore the consequences of using
factor-augmented VARs when inference on impulse responses is of
interest.

• Brüggemann, Ralf - Project head

• AG Brüggemann (Statistik und Ökonometrie)