☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　针对宏观经济学的DSGE模型求解、估计和分析等问题，《DSGE经典译丛·当代财经管理名著译库：DSGE模型的贝叶斯估计》介绍了极有价值和极富启发性的方法。在一类宏观经济模型中，大量潜在的冲击具有转移机制特征。针对此类宏观经济模型，《DSGE经典译丛·当代财经管理名著译库：DSGE模型的贝叶斯估计》正式介绍了研究的技巧和方法。对于这些方法的发展和应用，两位作者（爱德华·P.赫布斯特、弗兰克·绍尔夫海德）都作出了重要贡献。如果想学习如何在实践中使用这些方法，《DSGE经典译丛·当代财经管理名著译库：DSGE模型的贝叶斯估计》是不可多得的好材料。

作者简介

　　爱德华·P.赫布斯特，美国联邦储备委员会研究和统计学部经济学家。更多信息，参见edherbst.net。
　　
　　弗兰克·绍尔夫海德，美国宾夕法尼亚大学经济学教授，美国国家经济研究局（NBER）研究中心经济学教授，宾夕法尼亚大学经济研究所研究员，美国费城联邦储备银行和纽约联邦储备银行访问学者，《数量经济学》一书的合作者。

内页插图

目录

第1部分 DSGE建模与贝叶斯推断引论
第1章 DSGE建模
1．1 一个小型新凯恩斯DSGE模型
1．2 本书考虑的其他DSGE模型
第2章 将DSGE模型转化为贝叶斯模型
2．1 求解（线性）DSGE模型
2．2 似然函数
2．3 先验分布
第3章 贝叶斯推断快速教程
3．1 线性高斯模型的后验分布
3．2 贝叶斯推断和决策制定
3．3 集识别模型的非高斯后验分布
3．4 重要抽样法
3．5 Metropolis-Hastings算法

第Ⅱ部分 线性DSGE模型的估计
第4章 DSGE模型的Metropolis-Hastings算法
4．1 基准算法
4．2 RWMH-V算法的应用
4．3 不规则后验分布带来的挑战
4．4 其他MH取样器
4．5 MH算法精确度的比较
4．6 边缘数据密度函数的计算
第5章 序贯蒙特卡罗方法
5．1 通用SMC算法
5．2 SMC算法细节的详细介绍
5．3 SMC算法在小型新凯恩斯模型的应用
第6章 三个应用
6．1 冲击相关的新凯恩斯模型
6．2 发散先验分布的Smets-Wouters模型
6．3 Leeper-Plante-Traum财政政策模型

第Ⅲ部分 非线性DSGE模型的估计
第7章 从线性DSGE模型到非线性DSGE模型
7．1 非线性DSGE模型求解
7．2 DSGE模型中加入非线性特征
第8章 粒子滤波
8．1 自助（bootstrap）粒子滤波
8．2 通用粒子滤波
8．3 适应性通用滤波
8．4 实施过程中的几个问题
8．5 当前观测值的自适应St-1抽样
8．6 小型DSGE模型应用
8．7 SW模型应用
8．8 计算需要注意的问题
第9章 粒子滤波和MH取样器的结合
9．1 PFMH算法
9．2 小型DSGE模型应用
9．3 SW模型应用
9．4 计算方面的考虑
第10章 粒子滤波与SMG取样器的结合
10．1 SMC算法
10．2 小型DSGE模型应用
10．3 计算方面的考虑

附录A 模型描述
A．1 Smets-wouters模型
A．2 Leeper-Plante-Traura财政政策模型

附录B 数据来源
B．1 小型新凯恩斯DsGE模型
B．2 Smets-Wouters模型
B．3 Leeper-Plante-Traum财政政策模型
参考文献

前言/序言

　　首批利用贝叶斯方法估计动态随机一般均衡（DSGE）模型的文献，发表于大约15年前。主要有Dejong、Ingram和Whiteman（2000），Schorfheide（2000）以及Otrok（2001）。无论是模型的参数个数还是隐含状态数量，当时的DSGE模型规模都相对较小。按照现在的标准，模型估计使用都是极为简单的Metropolis-Hasting（MH）算法或重要抽样法。自此以后，DSGE模型的规模不断扩大，尤其是央行用于预测和政策分析的DSGE模型。在大家广为熟知的文献Smetsand Wouters（2003，2007）中，模型包含的隐含状态超过12个，待估计参数超过36个。Smets-Wouters模型成为近年来最有特色的DSGE模型的内核，在其基础方程中加入房地产部门、劳动力市场的搜寻摩擦，或者银行部门和金融摩擦。这些机制增加了DSGE模型的状态空间和参数空间。
　　本书写作的目的：一是评价过去15年间，DSGE模型文献中使用的“标准”贝叶斯计算方法的精确度；二是介绍和研究“新的”计算方法，提高DSGE模型后验分布的蒙特卡罗近似的精确度。读者很快就会发现这些方法实际并不新（这就是用引号的原因），但这些方法的某些应用却是新的。这些方法都来自于工程和统计文献，经过适当剪裁后用于DSGE模型的贝叶斯估计。本书以2012年6月在鹿特丹伊拉斯姆斯大学经济计量学和丁伯根经济研究所（Tinbergen Institute）作的“DSGE模型的最新理论和应用”的系列讲座为基础，加入部分内容的最新进展写作而成。
　　适合阅读本书的读者包括：对应用前沿方法估计DSGE模型感兴趣的学术界和央行的宏观经济学家；对状态空间模型的贝叶斯估计和非线性蒙特卡罗滤波方法感兴趣的计量经济学家；想了解实证宏观经济学中DSGE模型应用的计量经济学家；有志于结合计量经济学和宏观经济学进行研究的博士研究生。
　　本书共分三部分。第一部分包含DSGE建模和贝叶斯推断引论两个内容。首先我们提出一个小型新凯恩斯模型，说明如何求解模型，如何将其转换成适合贝叶斯估计的状态空间模型。不熟悉DSGE模型的读者必须查阅相关宏观经济学教科书或者综述文章，才能详细了解DSGE模型的设定、求解和应用的背景知识。对于不熟悉贝叶斯经济计量学的读者，本书提供了贝叶斯推断的入门知识。这些入门知识并不能替代相关教科书。这部分入门知识以线性高斯回归模型为例，说明如何将先验分布和似然函数结合起来得到后验分布。根据这个后验分布，可以得到点估计量、区间估计量，或者求解更复杂的决策问题。此外，我们介绍一些重要的计算方法，包括直接抽样、重要抽样和MH算法。
　　本书第二部分主要讨论存在高斯冲击时，线性DSGE模型的贝叶斯计算问题。因此，我们重点讨论似然函数能用卡尔曼滤波计算的模型。首先介绍的是随机游走的MH算法，这是DSGE模型贝叶斯估计文献中使用最广泛的方法。之后我们讨论该算法的一些改进。最后讨论序贯蒙特卡罗（SMC）方法。尽管SMC算法在统计文献中非常流行，但却几乎没有发现它在DSGE模型估计中得到任何应用。我们将详细讨论如何对SMC算法进行调整，使其可用于DSGE模型估计，并考察精确度。在三个实证应用中，对MH算法和SMC算法的效果进行了比较。
　　本书最后一部分重点讨论使用非线性方法求解模型时，DSGE模型的计算问题。主要差别在于，此时已经不能再用卡尔曼滤波方法计算似然函数。取而代之，必须使用非线性滤波方法计算似然函数。这里重点讨论序贯蒙特卡罗滤波（也叫粒子滤波）方法。为了不让大家失望，这里我们必须首先指出，在本书中，我们并没有估计任何非线性DSGE模型。实际上，我们对线性高斯DSGE模型应用粒子滤波方法，尽管利用卡尔曼滤波就能得到模型的确切似然函数。我们这样做的目的是评价粒子滤波近似的精确度。为此，我们首先根据固定的参数向量计算似然函数，之后将似然函数的粒子滤波近似嵌入到MH算法和SMC算法中，进而对DSGE模型参数进行后验推断。
　　在本书的写作过程中，与同事和研究生的交流使我们获益匪浅（直接的和间接的），在此向他们表示感谢。需要特别致谢的有：丛书主编Hermanvan Dijk和两个匿名评论人；我们的同事Frank Diebold、Jesus Fernandez-Villaverde和ElmarMertens；现在的宾夕法尼亚大学学生Ross Askanazi、Jacob Warren以及2015年春季入学的经济学722班的学生们，感谢他们对本书早期书稿所作的细致检查；以前宾夕法尼亚大学学生Luigi Bocola、Mark Bognanni、Minchul Shin和Dongho Song；其他有关DSGE模型项目的合作者Boragan Aruoba和Marco DelNegro。Schorfheide特别感谢美国国家科学基金的资助。最后，特别感谢我们的妻子Sarah和Perlita，她们牺牲了无数个夜晚和周末，为本项目给予了源源不断的支持和帮助。
DSGE经典译丛·当代财经管理名著译库：DSGE模型的贝叶斯估计 [Bayesian Estimation of DSGE Models] 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价