新凯恩斯宏观模型的符号限制：“准不可知”识别过程的结果（英）

本文提出了一种“准不可知”的符号限制程序，用于识别非频繁主义结构向量自回归（SVAR）模型中的结构冲击。文章认为，不可知符号限制程序的低接受率并非必然表明模型设定错误，而是因为不可知程序未能利用关于宏观变量对结构冲击响应的先验信息。

文章首先构建了一个包含产出缺口、通胀和利率三个变量的递归SVAR模型，并使用零 contemporaneous restrictions 进行识别。结果发现，模型存在“价格之谜”，即正向货币冲击导致通胀上升。为解决此问题，文章放松了递归假设，采用 Ouliaris 和 Pagan (2016) 提出的基于生成系数的 SRC 算法施加不可知符号限制。结果显示，虽然“价格之谜”得到解决，但接受率极低，表明模型设定可能存在问题或识别程序存在局限性。

为克服识别程序局限性，文章提出了一种“准不可知”识别策略，通过迭代网格搜索，利用先验信息逐步缩小合理参数范围。结果表明，该策略可显著提高接受率，揭示更多与宏观变量对结构冲击响应的先验符号一致的经济结构。

对于双变量SVAR，可以预先找到与先验符号一致的结构参数限制条件。但对于高维SVAR，仅利用事后信息限制合理参数集并不能保证识别所有可能的与先验符号一致的结构参数。因此，未来研究应致力于为高维SVAR模型寻找事前结构参数限制条件。