ECB欧洲央行-Working-paper-no-2307_-Estimation-of-impulse-response-functions-when-shocks-are-observed-at-a-higher-frequency-than-outcome-variables_43页_797kb

总结：Mixed-Frequency Impulse Response Function Estimation

核心内容

本文提出了一种用于估计冲击响应函数（IRFs）的混合频率分布式滞后（MFDL）估计方法。该方法适用于以下情况：冲击变量在高频下被观测，而结果变量在低频下被观测。由于直接对冲击变量进行时间序列聚合会带来不一致的估计问题，因此需要开发能够处理混合频率数据的估计方法。

主要观点

1. 混合频率数据的挑战
   在许多经济应用中，冲击变量（如油价）通常在高频下被观测，而结果变量（如零售汽油价格）在低频下被观测。传统方法如直接对冲击变量进行聚合会导致不一致的估计，因此需要新的估计方法。

2. MFDL估计器的提出
   本文提出了两种MFDL估计器：

   • 无约束MFDL估计器：不假设IRF的函数形式，直接基于回归模型估计。
   • 约束MFDL估计器：假设IRF可以由一个具有较少未知参数的灵活函数近似，从而提高估计效率。

3. 理论性质

   • 两种估计器的渐近正态性和一致性得到了理论证明。
   • 无约束估计器在小样本中可能表现较差，尤其当冲击的聚合权重导致估计噪声较大时。
   • 约束估计器在小样本中表现更稳健，且能有效减少估计误差。

4. 实证应用

   • 本文应用MFDL方法估计了美国零售汽油价格对原油价格变动的每日传递效应。
   • 结果显示，原油价格变动在五个工作日内约有23%传递到零售汽油价格，占长期传递效应的42%。
   • 通过滚动窗口估计，发现近期的传递效应比1990年代更快，约30%的变动在五日内传递。

关键信息

• 模型设定：

  • 假设数据生成过程（DGP）由一个VAR模型在高频下生成。
  • 结果变量是低频的，通过时间序列聚合得到。
  • 冲击变量是高频的，且已知。

• 估计方法：

  • 基于辅助回归模型，将低频变量表示为高频冲击的加权滞后和。
  • 通过最小二乘法（LS）估计低频IRF系数，再利用映射关系推导出高频IRF系数。
  • 两种估计器（无约束和约束）均适用于混合频率数据，但约束估计器在小样本中表现更好。

• 数学推导：

  • 定义了低频IRF系数 $d_{rh}$ 和高频IRF系数 $b_{\ell}$ 之间的映射关系。
  • 使用矩阵形式表达这些系数之间的关系，并推导出估计量的渐近分布。
  • 通过构造矩阵 $\mathbf{W}p$ 和 $\mathbf{H}{p,\ell}$ 来表示这种映射。

• 实证发现：

  • 美国零售汽油价格对原油价格变动的传递速度较快。
  • 五日内传递比例在23%至30%之间，占长期传递效应的42%。
  • 传递效应随时间变化，近期比1990年代更快。

方法的扩展性

• 本文的方法可以推广到更复杂的聚合方案，如 $q = 2$ 的情况，即使用一阶差分进行聚合。
• 该方法适用于其他经济问题，如货币冲击对季度GDP或通胀的影响。

结论

MFDL估计方法为处理混合频率数据下的冲击响应估计提供了一个有效的框架。该方法在理论和实证上均表现良好，尤其在小样本情况下，约束估计器具有更好的稳健性。本文通过原油价格传递效应的实证分析，展示了该方法在现实经济研究中的应用价值。