发表机构
Bocconi University; Université du Québec à Montréal; ETH Zürich（博科尼大学; 魁北克大学蒙特利尔分校; 苏黎世联邦理工学院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出组合向量自回归模型，联合估计气候指数聚合权重与VAR参数，应用于美国气候数据，得到比固定权重更大的紧缩性脉冲响应，权重侧重高风变量与分布尾部。
AI 中文摘要
一个具有宏观经济相关性的气候指数应包含哪些内容？其构成本质上具有模糊性，且聚合方式的选择会影响结构推断。我们引入了组合向量自回归（Assemblage VAR）模型，该模型通过最大化系统似然增益准则来联合估计非负聚合权重和VAR参数，从而有效地将聚合过程交由观测到的宏观经济动态来决定。该模型有两种变体，分别作用于成分空间和秩空间，对指定的子成分进行重新加权，或强调横截面分布的特定区域。将所构建的气候指标应用于来自精算师气候指数（Actuaries Climate Index）和美国国家海洋与大气管理局（NOAA）的美国分类气候数据后，使用组合气候指标的VAR模型所估计出的紧缩性脉冲响应，显著大于使用固定权重基准模型所估计的结果。权重侧重于高风变量和分布尾部，而非海平面等缓慢变化的分量。
英文摘要
What should a macroeconomically relevant climate index contain? The composition is inherently ambiguous, and aggregation choices affect structural inference. We introduce the Assemblage VAR, which jointly estimates nonnegative aggregation weights and VAR parameters by maximizing the system likelihood-gain criterion, effectively outsourcing aggregation to observed macroeconomic dynamics. Two variants operate in component-space and rank-space, reweighting named subcomponents or emphasizing regions of the cross-sectional distribution. Applied to disaggregated U.S. climate data from the Actuaries Climate Index and NOAA, VARs using the assembled climate measures yield contractionary impulse responses that are substantially larger than those estimated using fixed-weight benchmarks. Weights emphasize high-wind variables and distributional tails over slow-moving components such as sea level.
