具有两状态马尔可夫切换异方差性的贝叶斯VEC模型中结构冲击的识别
Identification of structural shocks in Bayesian VEC models with two-state Markov-switching heteroskedasticity
AI总结：
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。
摘要：
我们为协整结构VAR模型开发了一个贝叶斯框架，该模型通过条件协方差中的两状态马尔可夫断点进行识别。由此产生的具有马尔可夫切换异方差性的结构VEC设定（SVEC-MSH）以所谓的B参数化形式表述，其中先验分布直接针对内生变量对结构创新的瞬时反应矩阵进行设定。我们讨论了先前文献中关于平稳结构VAR-MSH模型识别条件的一些注意事项，并修正了限制条件，以实际确保通过两状态异方差性实现唯一的全局识别。为了在所提出的模型中进行后验推断，我们设计了一个MCMC程序，结合了Gibbs采样器和Metropolis-Hastings算法。该方法通过模拟数据以及真实世界数据示例进行了说明。
英文摘要：
We develop a Bayesian framework for cointegrated structural VAR models identified by two-state Markovian breaks in conditional covariances. The resulting structural VEC specification with Markov-switching heteroskedasticity (SVEC-MSH) is formulated in the so-called B-parameterization, in which the prior distribution is specified directly for the matrix of the instantaneous reactions of the endogenous variables to structural innovations. We discuss some caveats pertaining to the identification conditions presented earlier in the literature on stationary structural VAR-MSH models, and revise the restrictions to actually ensure the unique global identification through the two-state heteroskedasticity. To enable the posterior inference in the proposed model, we design an MCMC procedure, combining the Gibbs sampler and the Metropolis-Hastings algorithm. The methodology is illustrated both with a simulated as well as real-world data examples.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
