宏观经济时间序列中的分数趋势与周期
计量经济学
2020-05-26 v2
摘要
我们发展了一种相关趋势-周期分解的推广,其通过将永久分量建模为分数积分过程并将分数滞后算子纳入周期分量的自回归多项式中,从而避免关于长期动态特征的先验假设。该模型允许对积分阶数与其它模型参数联合进行内生估计,因此不需要关于持久性的先验设定检验。我们将该模型与Beveridge-Nelson分解相联系,并推导出用于分数分量的修正Kalman滤波估计量。我们证明了极大似然估计量的识别性、一致性与渐近正态性。对于美国宏观经济数据,我们证明,与 相关未观测分量模型不同,新模型估计出一条平滑趋势以及命中所有NBER衰退的周期。当数据生成机制的积分阶数大于一时, 未观测分量模型会产生向上偏倚的信噪比,而分数积分模型由于分数趋势设定将较少变异归因于长期冲击,并由于分数滞后算子将较高变异归因于周期冲击,从而产生更持久的周期与反映宏观经济常识的平滑趋势估计。
引用
@article{arxiv.2005.05266,
title = {Fractional trends and cycles in macroeconomic time series},
author = {Tobias Hartl and Rolf Tschernig and Enzo Weber},
journal= {arXiv preprint arXiv:2005.05266},
year = {2020}
}