Отраслевые шоки спроса и предложения: совместная идентификация
Рващенко РЎ.
Р’ статье предлагается метод вычисления знаковых ограничений для крупномасштабных моделей. Ртот метод применяется Рє модели байесовской векторной авторегрессии (BVAR) СЃ 16 отраслями (16 темпами роста, 16 темпами инфляции) Рё процентной ставкой. Результаты показывают, что предложенный метод может изменить априорную плотность распределения РІ области, РіРґРµ знаковые ограничения выполняются, РїРѕ сравнению СЃ традиционным РїРѕРґС…РѕРґРѕРј случайного отбора. Рто несколько влияет Рё РЅР° идентификацию шоков, Рё РЅР° импульсные отклики, Рё РЅР° РґСЂСѓРіРёРµ показатели. Рдентификация шоков оказалась более точной для предложенного РїРѕРґС…РѕРґР° РІ экспериментах СЃ данными, сгенерированными DSGE-моделью. Рспользование отраслевых данных Рё выявление шоков СЃРїСЂРѕСЃР° Рё предложения имеют большое влияние РЅР° выявление ДКП-шоков. Выявляются важные элементы трансмиссионной механики денежно-кредитной политики, включая различия РІ величине Рё форме реакции РЅР° шоки ДКП, различия РІ исторической декомпозиции, различия РІ значимости шоков СЃРїСЂРѕСЃР° Рё предложения для динамики процентных ставок. Разложение дисперсии показывает уменьшение относительной важности собственных шоков для отраслей РїСЂРё переходе РѕС‚ краткосрочной Рє долгосрочной декомпозиции. Есть некоторые сходства СЃ таблицами «Р·Р°С‚раты-выпуск» Рё некоторые различия, которые открывают РІРѕРїСЂРѕСЃС‹ для будущих исследований.