PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Identification of macroeconomic shocks on large var models
Alternative Title :Ταυτοποίηση μακροοικονομικών σοκ σε μεγάλα μοντέλα var
Creator :Gardikiotis, Nikolaos
Γαρδικιώτης, Νικόλαος
Contributor :Dendramis, Yiannis (Επιβλέπων καθηγητής)
Tzavalis, Elias (Εξεταστής)
Varthalitis, Petros (Εξεταστής)
Athens University of Economics and Business, Department of Economics (Degree granting institution)
Type :Text
Extent :69p.
Language :en
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=9532
Abstract :The goal of this dissertation is to study large vector autoregressive models. The vector autoregression has been used extensively to describe the behavior of multivariate time series across time. In recent years, researchers use many economic variables in vector autoregressions as there is evidence that large vector autoregressions tend to forecast better. However, there are some challenges in estimating large vector autoregressions. Typically, large vector autoregressions have far more parameters than observations and some appropriate methods, like shrinkage, regularization or dimension reduction must be used to deal with parameter uncertainty. The estimation of large vector autoregressions also involves the manipulation of large matrices which is computationally intensive. If we allow for more flexible covariance structures in the large vector autoregression, the challenges grow even bigger. We will review a couple of vector autoregressive models, such as Bayesian vector autoregressions, Time-Varying parameter vector autoregressions and the Factor-Augmented vector autoregression (FAVAR). To deal with the “curse of dimensionality”, we will augment the vector autoregression with factors. The FAVAR will contain 123 U.S. macroeconomic indicators and will be estimated by a 2-Step principal components approach. Our results will be compared to those by Bernanke, Boivin and Eliasz from their 2005 paper. Examining the impulse responses of some key macroeconomic indicators to a monetary shock, we find that the FAVAR is able to identify the monetary transmission mechanism.
Ο στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη μεγάλων διανυσματικών αυτοπαλίνδρομων μοντέλων. Η διανυσματική αυτοπαλινδρόμηση έχει χρησιμοποιηθεί εκτενώς για να περιγράψει τη συμπεριφορά πολυμεταβλητών χρονοσειρών σε βάθος χρόνου. Τα τελευταία χρόνια, οι ερευνητές χρησιμοποιούν πολλές οικονομικές μεταβλητές στις διανυσματικές αυτοπαλινδρομήσεις, καθώς υπάρχουν ενδείξεις ότι οι μεγάλες διανυσματικές αυτοπαλινδρομήσεις τείνουν να προβλέπουν καλύτερα. Ωστόσο, υπάρχουν ορισμένες προκλήσεις στην εκτίμηση των μεγάλων διανυσματικών αυτοπαλινδρομήσεων. Συνήθως, οι μεγάλες διανυσματικές αυτοπαλινδρομήσεις έχουν πολύ περισσότερες παραμέτρους απ'ότι έχουν παρατηρήσεις και μέθοδοι, όπως η συρρίκνωση ή η μείωση διαστάσεων πρέπει να χρησιμοποιηθούν για να αντιμετωπιστεί η αβεβαιότητα που υπάρχει με τις παράμετρους. Η εκτίμηση των μεγάλων διανυσματικών αυτοπαλινδρομήσεων περιλαμβάνει επίσης τον χειρισμό μεγάλων μητρών, κάτι που είναι υπολογιστικά εντατικό. Εάν επιτρέψουμε πιο ευέλικτες δομές συνδιακύμανσης στη μεγάλη διανυσματική αυτοπαλινδρόμηση, οι προκλήσεις γίνονται ακόμη μεγαλύτερες. Θα εξετάσουμε μερικά διανυσματικά αυτοπαλίνδρομα μοντέλα, όπως οι μπευζιανές διανυσματικές αυτοπαλινδρομήσεις , οι διανυσματικές αυτοπαλινδρομήσεις με χρονική μεταβολή των παραμέτρων καθώς και την επαυξημένη με παράγοντες διανυσματική αυτοπαλινδρόμηση. Για να αντιμετωπίσουμε την «κατάρα της διάστασης», θα επαυξήσουμε τη διανυσματική αυτοπαλινδρόμηση με παράγοντες. Το FAVAR θα περιέχει 123 μακροοικονομικούς δείκτες των ΗΠΑ και θα εκτιμηθεί με μια προσέγγιση βασικών συνιστωσών σε 2 βήματα. Τα αποτελέσματα μας θα συγκριθούν με αυτά των Bernanke, Boivin και Eliasz από το σχετικό επιστημονικό άρθρο τους το 2005. Εξετάζοντας τις παρορμητικές αντιδράσεις ορισμένων βασικών μακροοικονομικών δεικτών σε ένα νομισματικό σοκ, διαπιστώνουμε ότι το FAVAR είναι ικανό να ταυτοποιήσει τον μηχανισμό νομισματικής μετάδοσης.
Subject :Shrinkage
Principal component analysis
Vector autoregressive models
Συρρίκνωση
Ανάλυση κύριων συνιστωσών
Διανυσματικά αυτοπαλίνδρομα μοντέλα
Date Available :2022-06-13 19:59:58
Date Issued :03/11/2022
Date Submitted :2022-06-13 19:59:58
Access Rights :Free access
Licence :

File: Gardikiotis_2022.pdf

Type: application/pdf