Structural Periodic Vector Autoregressions
针对季节性调整可能扭曲数据信息的问题，提出结构性周期向量自回归（SPVARs）直接对原始数据周期性建模，提供新识别方案、脉冲响应分析框架及渐近理论，并证明依赖季节性调整会丢失周期性信息。
2025-08-11 econ.EM
Efficient estimation of structural VARs with higher-order moments
TU Dortmund（多特蒙德工业大学）；European University Viadrina Frankfurt（欧洲法兰克福维也纳德拉大学）
本研究针对小样本下基于高阶矩的广义矩方法估计结构向量自回归时的估计不稳定与缩放偏差问题，提出利用独立冲击假设估计有效加权矩阵和方差，并引入连续更新的缩放项，通过蒙特卡洛模拟验证了显著改进。
2026-10-28 econ.EM
Partial Identification of Structural Vector Autoregressions with Non-Centred Stochastic Volatility
本文提出在贝叶斯结构向量自回归中采用非中心化随机波动率参数化，以实现冲击的部分识别，并通过蒙特卡洛实验和财政应用证明该方法能精确估计结构参数且结果稳健。
2025-10-02 econ.EM stat.AP
Identification Verification for Structural Vector Autoregressions with Sparse Heterogeneous Markov Switching Heteroskedasticity
School of Economics and Trade, Guangdong University of Foreign Studies（广东外语外贸大学经济贸易学院）；University of Melbourne（墨尔本大学）
本文提出一种新的结构向量自回归模型，通过稀疏异质马尔可夫切换异方差性机制提升识别精度和预测性能，验证了异方差性对识别的影响。
2026-03-17 econ.EM
Uncertain Short-Run Restrictions and Statistically Identified Structural Vector Autoregressions
本文提出一种结合统计识别与可能无效的短期零约束的收缩估计方法，通过数据驱动决定是否继续收缩，模拟和实证表明该方法能提高估计精度并识别出驱动油价的信息冲击。
2024-04-03 econ.EM
Bayesian Inference for Structural Vector Autoregressions Identified by Markov-Switching Heteroskedasticity
本研究构建了马尔可夫区制转移异方差识别的结构向量自回归模型的贝叶斯推断方法，推导识别约束并通过解析推导提升计算效率，实证验证了利率反应函数含货币变量的模型更优。
2018-11-20 econ.EM
Parameter Identification and Inference in Discretely Sampled or Temporally Aggregated Autoregressions
Geneva Graduate Institute（日内瓦高等研究院）
本文针对离散采样或时间聚合下的AR(p)过程，推导了其参数识别集，证明并数值验证了关于误差项方差及自回归参数点识别的相关猜想。
2026-09-10 econ.EM
A new algorithm for structural restrictions in Bayesian vector autoregressions
一个全面的方法推理向量自回归（VAR）使用符号和其他结构的限制。简化形式的VAR扰动由几个公共因素驱动，结构识别约束可以以参数约束的形式并入其载荷中。吉布斯采样器推导出，允许简化形式的参数和结构的限制，有效地在一个步骤中进行采样。所提出的方法的一个关键好处是，它允许治疗参数估计和结构推理作为一个联合问题。另一个好处是，该方法可以扩展到具有多个冲击的大型VAR，并且可以扩展到适应非线性，不对称和许多其他有趣的经验特征。使用合成数据实验，并通过使用基于符号限制的识别重新审视金融因素在经济波动中的作用，探索新的推理算法的优良性能。
2022-06-14 econ.EM stat.AP
Non-Identifiability in Network Autoregressions
研究了网络上自回归模型参数的可辨识性。这些模型的大多数识别条件要么依赖于重复观察的网络，要么仅仅是充分的，要么需要强分布假设。本文推导出的条件，即使组成网络的个人只观察一次，是必要的和充分的识别，并需要弱分布的假设。我们发现，一般的模型参数，在测量理论的意义上，即使没有重复的观察，识别，并分析的相互作用矩阵和回归矩阵的组合导致识别失败。这在原始模型中和样本空间中的某些变换之后都可以完成，后一种情况是相关的，例如，在某些固定效应规格中。
2022-06-03 econ.EM math.ST stat.TH
Origins and Nature of Macroeconomic Instability in Vector Autoregressions
University of Pennsylvania（宾夕法尼亚大学）
本文通过理论分析揭示了向量自回归中宏观经济不稳定性主要由少数结构性冲击驱动，并通过模型改进了预测效果。
2025-12-23 econ.EM
Robust Estimation in Network Vector Autoregression with Nonstationary Regressors
本文研究了带有非平稳回归元的网络向量自回归模型的识别与估计，通过非随机邻接矩阵刻画网络依赖性，利用 local-to-unity 参数化捕捉持续性，并采用 IVX 型估计量在双重渐近机制下实现稳健估计。
2024-01-08 econ.EM
From Vector Autoregressions to AI-based Time Series Forecasting: A Review
Washington University in St. Louis（华盛顿大学圣路易斯分校）；University of Bristol（布里斯托大学）
该综述围绕时间序列预测展开，聚焦基于人工智能的三大进展，通过给定过去情况下未来的条件分布与向量自回归传统相联系，围绕高维度、非平稳性和非线性挑战展开，指出现代方法虽有进展但缺相关工具，还概述了计量经济学工具重要的开放问题。
2026-07-17 econ.EM
Variational inference for large Bayesian vector autoregressions
提出一种新颖的变分贝叶斯方法，通过直接在回归系数矩阵上设定分层收缩先验来估计高维VAR模型，显著提升了预测的统计与经济价值。
2023-06-30 econ.EM
A Design Concept of Forecasting Software for Normalized Vector Autoregressions with Fat Tails and Stochastic Volatility
School of Economics and Trade, Guangdong University of Foreign Studies（广东外语外贸大学经济贸易学院）；Department of Economics, University of Melbourne（墨尔本大学经济学系）
该研究设计了一套R软件包，结合C++效率与R便利性，实现多种高级计量模型，用于宏观经济预测，可提升预测表现，助力相关原创研究。
2026-08-31 econ.EM stat.CO
Two Gaussians, Too Many: A bootstrap-based approach to assess identifiability in non-Gaussian structural vector autoregressions
University of Bologna（博洛尼亚大学）
研究非高斯结构向量自回归中识别性问题，提出基于自举法评估条件渐近有效性，通过测量分布差异进行诊断，该方法在多种情况下有效且无预检验偏差，模拟显示其能检测识别失败并保持估计概率覆盖，可验证非高斯识别。
2026-10-15 econ.EM stat.ME
Vector autoregression models with skewness and heavy tails
由于经济环境的不确定性变化，经济衰退和危机期间的宏观经济下滑很难用高斯结构性冲击来解释。有证据表明，宏观经济变量的分布是倾斜的和厚尾的。在本文中，我们通过扩展向量自回归（VAR）模型来解释宏观经济变量的多变量分布的更现实的假设，从而为文献做出贡献。我们提出了一个一般类的广义双曲斜学生的t分布与随机波动率的VAR模型中的误差项，使我们能够考虑偏度和重尾。提供了使用吉布斯采样器进行贝叶斯推断和模型选择的工具。在实证研究中，我们提出了偏态和重尾的月度宏观经济变量的证据。分析还给出了一个明确的信息，即在经济衰退和危机期间，为了更好地预测，应该考虑偏度。
2021-05-24 econ.EM stat.AP
Identification and Inference Under Narrative Restrictions
我们认为结构向量自回归服从“叙述限制”，这是不平等的限制功能的结构性冲击在特定时期。这些限制提出了新的问题有关的识别和推理，目前没有频率论的程序进行推理，在这些模型。我们提出了一个解决方案，是有效的从贝叶斯和频率的角度来看：1）形式化的识别问题下的叙述限制; 2）纠正现有的功能，（单一先验）贝叶斯方法，可能会扭曲推断;（3）提出一个强有力的（多重先验）贝叶斯方法，用于评估和消除这些模型中由于可能性具有平坦性而产生的后验敏感性区域;（4）证明了稳健贝叶斯方法具有渐近频率论的有效性。我们通过估计美国货币政策在各种叙述限制下的效果来说明我们的方法。
2021-02-12 econ.EM
Estimation of Grouped Time-Varying Network Vector Autoregression Models
该研究提出带潜在分组结构的大规模时变网络向量自回归模型，结合凝聚聚类与比值准则估计分组，用分组后局部线性平滑提升估计效率，还适配结构突变场景，经数值验证了有限样本性能。
2024-03-10 econ.EM stat.ME
Sharpening Identification in Large Structural VARs Using Narrative Restrictions
TU Dortmund（多特蒙德工业大学）
本文提出了一种高维结构向量自回归框架，通过误差项的因子结构容纳大量线性不等式限制，以提升大规模结构VARs的识别精度和经济解释性。
2026-05-19 econ.EM
Sign Restrictions and Supply-demand Decompositions of Inflation
Reserve Bank of Australia（澳大利亚储备银行）
本文证明通胀供需分解的符号约束识别力依赖预测误差，实证显示美国通胀历史分解识别集通常无信息量，现有分解对辅助假设敏感。
2026-09-09 econ.EM
Projection Inference for set-identified SVARs
University of California, Davis（加州大学戴维斯分校）；University of Mannheim（曼海姆大学）；Cornell University（康奈尔大学）
本文研究了经典投影方法在同时推断结构冲击响应函数系数及其识别集的性质，通过扩大样本量，证明投影推断能提供具有至少1-α频率覆盖和鲁棒贝叶斯可信度的参数和识别集区域，并校准瓦尔德椭球半径以确保投影方法的贝叶斯可信度恰好为1-α。
2026-03-27 econ.EM
Partially identified heteroskedastic SVARs
University of Bologna（博洛尼亚大学）；Brown University（布朗大学）；University of Milan（米兰大学）；Fondazione Eni Enrico Mattei（埃尼·恩里科·马泰伊基金会）；Study Center Gerzensee, Foundation of the Swiss National Bank（瑞士国家银行Gerzensee研究中心）
本文提出了一种处理异方差SVARs中多重特征值问题的方法，通过特征分解和贝叶斯推断来识别冲击响应并进行推断。
2026-11-09 econ.EM
Comment on Gouriéroux, Monfort, Renne (2019): Identification and Estimation in Non-Fundamental Structural VARMA Models
这篇评论指出了文章“Gouriéroux，Monfort，Renne（2019）：非基本结构VARMA模型中的识别和估计”中关于用Blaschke多项式矩阵镜像复值根的严重缺陷。此外，所提出的方法（非）的可行性（如果处理的Blaschke变换不禁止）的横截面尺寸大于2和向量移动平均（VMA）多项式矩阵的次数大于1进行了讨论。
2020-10-06 econ.EM
Structural Representations and Identification of Marginal Policy Effects
本文揭示了不可分离模型中边际政策效应的结构解释，提出了一种基于泛函导数的等价性定义，并据此开发了补充现有方法的替代识别策略。
2025-07-09 econ.EM
Inference for VARs Identified with Sign Restrictions
有越来越多的文献通过对内生变量子集对特定结构性冲击的响应施加符号限制（符号限制的SVAR）来识别结构向量自回归（SVAR）。大多数方法已被用来构建逐点覆盖带的脉冲响应的符号限制SVAR是合理的，只有从贝叶斯的角度来看。本文演示了如何制定的符号限制SVAR的矩不等式框架内的推理问题。特别是，它开发了从频率论的角度来看有效的符号限制SVAR的脉冲响应函数的置信带的构建方法。本文还提供了一个比较的频率和贝叶斯覆盖带的背景下，经验的应用程序-前者可以大大超过后者。
2018-02-07 econ.EM
Identification of structural shocks in Bayesian VEC models with two-state Markov-switching heteroskedasticity
本文提出贝叶斯框架下的SVEC-MSH模型，通过两状态马尔可夫切换异方差性识别协整结构VAR中的结构冲击，修正既有识别条件以确保唯一全局识别，并设计结合Gibbs与Metropolis-Hastings的MCMC算法进行后验推断。
2024-06-07 econ.EM
Identification by non-Gaussianity in structural threshold and smooth transition vector autoregressive models
University of Helsinki（赫尔辛基大学）
通过假设冲击相互独立且至多一个为高斯分布，证明了结构平滑转换向量自回归模型的统计可识别性，并提出了估计方法和混合识别策略。
2025-09-15 econ.EM math.ST stat.ME
Large Bayesian VARs with Factor Stochastic Volatility: Identification, Order Invariance and Structural Analysis
具有多元随机波动率的向量自回归（VAR）被广泛用于结构分析。通常，结构模型是通过经济上有意义的限制来确定的，例如，符号限制，应该与因变量的排序无关。但由于简化形式的模型不是阶不变的，结构分析的结果取决于变量的阶数。我们考虑一个VAR的基础上的因素随机波动率，构造为顺序不变的。我们表明，存在的多元随机波动允许统计识别的模型。我们进一步证明了，与一组适当的符号限制，相应的结构模型是点识别。所提出的方法的另一个吸引力是，它可以很容易地处理大量的因变量以及符号限制。我们通过一个结构性分析来证明这种方法，在这个分析中，我们使用一个带有符号限制的20个变量的VAR来识别5个结构性冲击。
2022-07-08 econ.EM stat.ME
Under-Identification of Structural Models Based on Timing and Information Set Assumptions
我们重新审视了基于结构模型中的时间和信息集假设的识别，这些模型已被用于生产函数，需求方程和享乐定价模型（例如Olley和Pakes（1996），Blundell和Bond（2000））。首先，我们展示了一个一般的识别不足的问题，使用这些假设在一个简单的版本的布伦德尔-邦德动态面板模型。特别地，基本矩条件可以产生多个离散解：一个在主方程中的持续性参数处，另一个在控制回归量的持续性参数处。然后，我们表明，这个问题可以在更广泛的一组模型中持续存在，但在更强的时间假设下的模型中消失。然后，我们提出了可能的解决方案，在简单的设置，通过强制执行一个假设的符号限制，并得出结论，使用我们的基本识别方法的经验教训，提出更普遍的实践经验的研究人员的建议。
2023-03-27 econ.EM
SVARs with breaks: Identification and inference
University of Bologna（博洛尼亚大学）；Brown University（布朗大学）
本文提出了一种具有结构断裂的SVAR模型，通过引入稳定性限制和不等式约束提高识别效率，并开发了纯贝叶斯和稳健贝叶斯方法以应对集识别下的推断问题。
2026-03-08 econ.EM
Robust Minimum Distance Inference in Structural Models
本文提出结构模型中对欠识别冗余参数具备稳健性的最小距离推断方法，可在无需知晓欠识别程度下实现渐近卡方推断，经示例、蒙特卡洛模拟和货币政策模型应用验证了其适用性与有限样本表现。
2023-10-09 econ.EM
Locally- but not Globally-identified SVARs
University of Bologna（博洛尼亚大学）；Brown University（布朗大学）
本文提出新的估计和推断方法，解决局部但不全局可识别的SVARs模型中的计算挑战，通过多模态后验采样和冲击响应分析。
2026-03-08 econ.EM
Irregular Identification of Structural Models with Nonparametric Unobserved Heterogeneity
微观计量经济学中最重要的实证发现之一是经济行为中异质性的普遍性（参见《经济学》）。Heckman 2001）。本文证明了非参数不可观测异质性的累积分布函数和分位数在许多结构经济模型中具有无穷大的有效界。本文对这一事实作了一个相对简单的检验。本文用经济学中的几个相关例子来说明该理论的实用性，包括：具有严重长期失业的个体比例，具有异质第一阶段效应的相关随机系数模型中的平均边际效应和具有正边际效应的个体比例，线性模型中随机系数的分布和分位数，二进制和混合Logit模型。蒙特卡罗模拟说明了有限样本的影响，我们的研究结果的分布和分位数的随机系数的混合Logit模型。
2020-05-18 econ.EM
Sufficient Statistics for Unobserved Heterogeneity in Structural Dynamic Logit Models
本文研究了动态面板数据logit模型中结构参数的识别和估计，其中决策是前瞻性的，未观测异质性和可观测状态变量的联合分布是非参数的，即，固定效应模型我们考虑两个内生状态变量的模型：滞后的决策变量，在最后的选择和持续时间。这类模型包括作为特殊情况下重要的经济应用，如市场进入-退出，职业选择，机器更换，库存和投资决策，或差异化产品的动态需求模型。结构参数的识别需要一个足够的统计控制未观察到的异质性，不仅在当前的效用，而且在前瞻性决策问题的延续价值。我们得到了最小的充分统计量，并证明了一些结构参数的识别使用条件似然方法。我们将此估计器应用于机器更换模型。
2018-05-10 econ.EM
Nonparametric Identification and Estimation with Independent, Discrete Instruments
在非参数工具回归模型中，我们加强了传统的矩独立性假设，使工具项和误差项之间完全统计独立。这使我们能够证明识别结果，并开发一个结构函数的利益时，该工具是离散的，特别是二进制的估计。当回归感兴趣的也是离散的，更多的质量点比仪器，我们状态下的结构功能被部分识别的直接条件下，并给出修改后的假设，这意味着点识别。这些更强的假设被证明持有一个小的条件矩的误差项。当结构函数是部分或点识别时，给出了识别集的估计量。当回归量是连续分布的，我们证明，如果仪器引起足够丰富的变化，在联合分布的回归量和误差项，然后点识别的结构功能仍然是可能的。这种方法是相对听话的，在一些标准条件下，我们证明了我们的点识别假设上的一组拓扑通用的密度函数的回归，误差和仪器的联合分布。我们的方法也适用于一个著名的非参数分位数回归框架，我们能够在这种情况下，国家类似的点识别结果。
2019-06-12 econ.EM
Identification via Distributional Shifts without Exclusion Restrictions
University of Florida（佛罗里达大学）；European Research University（欧洲研究大学）
本文在无排除限制的三角系统中，利用辅助变量引起的分布偏移和局部密度比限制，推导矩不等式并开发推断程序，从而恢复内生回归元的结构参数识别。
2026-09-14 econ.EM
A Structural Approach to Growth-at-Risk
本研究提出一种区分处理与控制变量的结构分位数脉冲响应估计方法，应用于金融冲击对产出增长低分位数的影响研究，发现金融冲击对Growth-at-Risk影响显著，且估计幅度比以往研究更极端。
2024-10-06 econ.EM
Control Variables, Discrete Instruments, and Identification of Structural Functions
在具有不可分和/或多维异质性的计量经济模型中，控制变量提供了控制内禀的重要手段。我们允许离散的工具，在各种限制的方式内生变量和控制变量影响结果的识别结果。我们考虑了许多感兴趣的结构对象，例如平均值或分位数处理效应。我们说明我们的结果与恩格尔曲线估计的实证应用。
2019-12-05 econ.EM stat.ME
Identification in (Endogenously) Nonlinear SVARs Is Easier Than You Think
University of Oxford（牛津大学）
本文研究了内生非线性SVARs的识别问题，证明在弱正则条件下，模型参数和结构冲击可非参数化地识别，且现有线性SVARs的识别方案可直接扩展至非线性设定。
2026-04-09 econ.EM math.ST stat.TH
Fast Posterior Sampling in Tightly Identified SVARs Using 'Soft' Sign Restrictions
Department of Econometrics and Business Statistics, Monash University（莫纳什大学计量经济学与商业统计系）；Economic Research Department, Reserve Bank of Australia（澳大利亚储备银行经济研究部）
提出基于“软”符号约束的采样算法，通过平滑惩罚违反约束的参数值，结合重要性采样实现硬约束下的高效贝叶斯推断，显著加速紧识别场景的采样。
2026-06-16 econ.EM
Principled Identification of Structural Dynamic Models
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Xiamen University（厦门大学）
本文提出一种基于优化目标的结构动态模型识别方法，通过Order-和Scale-不变方案（OASIS）选择与目标变量最一致的正交旋转，改进了传统SVAR的递归Cholesky识别方法，并在代理VAR中提供新的估计策略。
2026-04-29 econ.EM stat.ME
Identification and estimation of structural vector autoregressive models via LU decomposition
本文针对 SVAR 模型识别中新息过程假设过强的问题，利用系数矩阵零约束与 LU 分解条件提出识别方法，并建立系数矩阵和脉冲响应的渐近正态估计。
2025-03-16 econ.EM stat.AP
A fully nonlinear structural vector autoregressive model identified via independent innovation analysis
University of Helsinki（赫尔辛基大学）
该研究提出一种通过独立创新分析识别的完全非线性结构向量自回归模型，采用对比学习与指数族规范，结合前馈神经网络估计，实证发现美国工业产出对油价冲击的响应存在适度非对称性，并开发了R包iiasvar实现方法。
2026-08-05 econ.EM stat.ME stat.ML
Common Trends and Long-Run Identification in Nonlinear Structural VARs
针对非线性SVAR难以纳入共同随机趋势和长期识别约束的问题，本文提出加法时间可分的非线性SVAR类别，并扩展Granger–Johansen表示定理。
2024-09-10 econ.EM math.ST stat.TH
