金融计量学张成思Lecture 8-2.ppt

《金融计量学张成思Lecture 8-2.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、8.4SVAR模型的估计方法总结8.4.1全信息最大似然估计全信息最大似然估计是估计SVAR模型最常用的方法之一。而FIMLE中最重要的内容便是似然函数的设立。对于一般的SVAR模型，全信息的（自然对数）似然函数是模型中系数和扰动项矩阵的函数可以写成：（8.49）AB、C和K模型对应的具体的似然函数:8.4.2广义矩估计广义矩估计（GeneralizedMethodofMoments，GMM），是工具变量估计的拓展。GMM估计与FIML估计不同，GMM直接考虑SVAR模型(8.10)与其缩减形式模型(8.11)的系数关系，然后使用选定的工具变量，运用矩估计法进行估计，从而获得最终结果。回

2、归模型(8.10)与(8.11)，即：(8.10)(8.11)GMM估计从这两个模型的系数关系入手：(8.53)(8.54)其中：和分别表示模型(8.10)与(8.11)中对应的扰动项的方差—协方差矩阵。使用GMM估计模型(8.10)，还需要选择合适的工具变量，假定存在这样一组工具变量，满足矩条件：（8.55）其中：和表示未知系数的函数。还可以将矩条件写成：对应的样本矩条件就可以写成：GMM估计通过矩估计法获得满足模型(8.55)的系数，具体估计过程使用目标函数：其中：表示一个可以通过循环机制获得的权重矩阵，该矩阵是正定对称矩阵。8.5SVAR与缩减VAR模型的脉冲响应及方差分解比较要求

3、解SVAR模型中的脉冲响应和方差分解，基本思路是类似的，都要依据脉冲响应和方差分解的基本定义进行计算。而基于SVAR模型计算出来的脉冲响应称为结构脉冲响应函数。作为示范，我们使用美国CPI通胀率与联邦基金利率的季度数据（1959Q2—2005Q2），构建了一个2变量的VAR(2)模型。图8-4和8-5描绘出了SVAR和VAR模型分别对应的脉冲响应函数和方差分解的结果。图8-4(1)结构脉冲响应与缩减脉冲响应比较图8-4(2)结构脉冲响应与缩减脉冲响应比较图8-5(1)SVAR与VAR模型方差分解比较图8-5(2)SVAR与VAR模型方差分解比较