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] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 爱德华·P.赫布斯特（Edward P.Herbst） 著，徐占东 译

图书标签:

• DSGE模型
• 贝叶斯估计
• 宏观经济学
• 计量经济学
• 金融模型
• 经济建模
• 动态随机一般均衡
• 模型估计
• 经济预测
• 学术著作

出版社： 东北财经大学出版社

ISBN：9787565427428

版次：1

商品编码：12232192

包装：平装

丛书名： DSGE经典译丛·当代财经管理名著译库

外文名称：Bayesian Estimation of DSGE Models

开本：16开

出版时间：2017-06-01

用纸：胶版纸

页数：161

字数：227

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模型是现代宏观经济学研究的核心工具之一，其在理论建模、政策模拟以及经济预测等方面都发挥着至关重要的作用。然而，DSGE模型并非凭空产生，其背后蕴含着复杂的数学框架和精密的统计推断方法。理解这些模型的构建逻辑、参数的经济含义以及如何利用现实经济数据来检验和校准模型，是每一个致力于宏观经济学研究的学者和实践者都必须掌握的关键技能。《DSGE模型的贝叶斯估计》一书，正是瞄准了这一核心需求，深入浅出地剖析了如何将贝叶斯统计推断方法应用于DSGE模型的估计过程。 本书内容聚焦于贝叶斯方法在DSGE模型估计中的应用，力求为读者提供一个系统、全面且具有实践指导意义的学习路径。在整个内容设计上，我们力求剥离掉与贝叶斯估计本身无关的冗余信息，集中火力，深入探究贝叶斯统计推断在DSGE模型语境下的具体应用。这意味着，虽然DSGE模型本身是一个宏观经济学的分支，本书将不会过多地纠缠于DSGE模型理论的细节，例如其在经济增长、商业周期、货币政策、财政政策等具体领域的丰富应用和前沿发展。尽管这些研究领域是DSGE模型最终的价值体现，但本书的重心，在于提供一个“工具箱”，教会读者如何使用这个工具箱来解决这些应用场景下遇到的模型估计问题。 因此，本书内容将严格围绕“贝叶斯估计”这一核心主题展开。我们将首先从贝叶斯统计的基本原理讲起，简要回顾概率论的基础知识，并着重阐述贝叶斯定理的核心思想：如何将先验知识与观测数据结合，形成后验分布。这一点对于理解后续的DSGE模型估计至关重要，因为在DSGE模型中，我们通常会赋予模型参数一定的先验认知，这些先验认知可能来源于经济学理论、过去的经验研究，甚至是专家的判断。贝叶斯方法提供了一种严谨的方式来融合这些先验信息与实际观测数据，从而得到一个更加稳健和信息丰富的参数估计结果。 在掌握了贝叶斯推断的基本逻辑后，本书将逐步深入到DSGE模型估计的具体技术层面。一个关键的环节在于“似然函数”的构建。DSGE模型通过一系列微观经济主体的最优化行为推导出宏观经济变量的动态演化规律，而这些动态方程通常会产生误差项。似然函数正是描述了在给定模型参数下，观测到的实际经济数据（如GDP增长率、通货膨胀率、利率等）出现的概率。本书将详细探讨如何根据不同的DSGE模型设定，构建出合适的似然函数。这可能涉及到处理模型中的内生变量、外生冲击、以及模型自身的动态结构。我们会重点关注那些在DSGE模型中常见的变量和方程形式，并演示如何将这些经济学结构转化为可以用于统计推断的数学形式。 然而，DSGE模型的似然函数往往是复杂的，甚至是不解析可解的。直接计算后验分布在计算上是极其困难的。因此，本书将花费大量的篇幅来介绍现代计算统计学中用于解决此类问题的“马尔可夫链蒙特卡洛（MCMC）”方法。MCMC方法是贝叶斯估计的基石，它允许我们在无法直接求解后验分布的情况下，通过模拟抽样的方式来近似得到后验分布。我们将详细介绍几种主流的MCMC算法，例如Metropolis-Hastings算法、Gibbs采样器，以及更现代、效率更高的算法，如Langevin-based methods和Hamiltonian Monte Carlo (HMC)。对于每一种算法，本书不仅会讲解其背后的数学原理，更重要的是，会结合DSGE模型的具体例子，展示如何实现这些算法，以及如何评估抽样的效率和收敛性。这包括了如何选择合适的proposal distribution，如何诊断MCMC chains的收敛状况（例如，使用Gelman-Rubin统计量等），以及如何利用样本来计算后验均值、后验中位数、后验置信区间等统计量。 除了核心的MCMC技术，本书还将探讨在DSGE模型估计过程中可能遇到的其他重要问题。例如，“模型校准（Calibration）”与“估计（Estimation）”的关系。虽然本书的核心是估计，但理解模型校准的思路和局限性，有助于更好地理解为什么我们需要进行贝叶斯估计，以及如何将校准和估计的结果结合起来。我们还会讨论如何处理模型中的“不可观测变量”，例如潜在产出、名义粘性等。这些变量在DSGE模型中扮演着重要角色，但无法直接观测。贝叶斯估计方法，特别是通过MCMC，能够有效地处理这些不可观测变量，并根据数据和模型结构来推断其行为。 此外，本书还将触及与DSGE模型估计相关的几个重要话题，但同样会严格聚焦于贝叶斯估计的视角。例如，在模型设定层面，我们会简要提及模型中可能包含的微观基础，但不会深入探讨这些微观基础的经济学含义和演化。同样，当讨论模型中的冲击（shocks）时，我们关注的是如何根据数据估计这些冲击的分布和持久性，而不是详细讨论这些冲击在经济学上的具体来源和影响。 对于模型输出的解释，本书将侧重于如何从贝叶斯估计的结果中提取有意义的经济学信息。这包括如何解释后验分布的形状，如何评估参数的经济学意义，以及如何利用估计好的模型进行政策模拟。在政策模拟的部分，我们不会去模拟具体的政策实验，而是会强调如何将贝叶斯估计得到的参数，代入DSGE模型中，生成符合数据特征的预测路径，或者进行一些对比分析。 最后，为了让读者能够更好地掌握这些技术，本书将包含大量的理论推导和实例分析。理论推导部分力求清晰严谨，帮助读者理解算法的内在逻辑。实例分析部分则会选择一些经典的DSGE模型（例如，一些简单的NK模型或标准新凯恩斯模型），逐步展示如何应用贝叶斯方法进行估计，并解读估计结果。这些实例将涵盖从模型设定、数据准备、似然函数构建、MCMC算法实现，到结果解释的完整流程，力求做到理论与实践的紧密结合。 总而言之，《DSGE模型的贝叶斯估计》一书，旨在为读者提供一套系统、深入且实用的贝叶斯估计DSGE模型的理论和技术框架。我们专注于如何将贝叶斯统计推断的强大工具应用于复杂的DSGE模型，从而更准确地理解经济系统的运行规律，并为经济政策的制定提供坚实的理论和数据支持。全书内容将围绕“贝叶斯估计”这一核心，严格排除与此主题关联度不高的信息，力求内容的高度集中和专业性。

评分☆☆☆☆☆

拿到这本《DSGE模型的贝叶斯估计》时，我首先被其封面设计所吸引，简洁的线条和清晰的字体，透着一股严谨的学术气息。我一直对DSGE模型及其在政策分析中的应用非常感兴趣，但总觉得自己在参数估计方面存在知识的盲区，尤其是贝叶斯方法，我对其了解不多，但知道它是处理不确定性、进行模型推断的强大工具。这本书的出版，对我来说无疑是一个福音。我非常期待它能够系统地介绍贝叶斯统计学的基本原理，以及如何将其应用到DSGE模型的估计过程中。我希望书中能够涵盖从模型设定、先验分布的设定，到似然函数的构建，再到MCMC算法的应用和模型评估等各个环节的详细讲解。如果书中能提供一些具体的实证案例，并附带相应的软件实现方法，那将是极大的帮助。

评分☆☆☆☆☆

迫不及待地翻开这本书，扉页的设计简洁而不失格调，让人有一种庄重感。封底的推荐语和作者简介，更是让我对这本书的出版背景和作者的学术造诣有了初步的了解。我一直觉得，在宏观经济学研究中，DSGE模型是当前最主流的理论框架之一，而贝叶斯估计方法则是处理这类复杂模型参数不确定性的利器。很多时候，我们在阅读文献时会遇到各种各样的贝叶斯估计结果，但往往难以理解其背后的推导过程和技术细节。这本书正好填补了这一空白，我相信它会带领我一步步走进贝叶斯方法的奇妙世界，从基础概念讲起，逐渐深入到MCMC等算法的应用，以及如何评估模型的拟合优度。我对书中可能包含的案例研究和代码示例抱有极大的期待，希望能以此来检验和巩固所学的理论知识，并最终能将其应用于我自己的研究课题中。

评分☆☆☆☆☆

作为一个对前沿经济学理论充满好奇心的学习者，我一直认为，要跟上学术研究的步伐，就必须掌握最新的研究工具。DSGE模型无疑是当前宏观经济学分析的“硬通货”，而其贝叶斯估计更是将模型的应用推向了一个新的高度。市面上关于DSGE模型的书籍不少，但真正能够将贝叶斯估计讲得透彻、系统、且面向实践的，却寥寥无几。这本书的出现，让我眼前一亮。我非常期待书中能够清晰地阐述贝叶斯方法的核心思想，包括先验分布的选择、似然函数的构建、后验分布的推断，以及如何利用马尔可夫链蒙特卡罗（MCMC）方法进行抽样和模型诊断。如果书中还能提供一些经典的DSGE模型（如Smets-Wouters模型）的贝叶斯估计实例，那就更完美了，这将极大地帮助我理解理论与实践的结合。

评分☆☆☆☆☆

翻开这本书，我立刻被其严谨的学术氛围所吸引。作为一名对宏观经济模型充满热情的学者，我一直认为DSGE模型是理解现代经济运行机制的基石。而贝叶斯估计，更是为这类复杂模型注入了生命力，使其能够更好地反映现实世界的复杂性和不确定性。这本书的书名——《DSGE模型的贝叶斯估计》，正好点中了我的痛点。我希望这本书能够详细阐述贝叶斯方法的理论基础，包括先验分布、似然函数、后验分布的数学推导，以及如何运用MCMC等算法求解后验分布。更重要的是，我期待书中能够提供一些实际应用的案例，展示如何将这些理论工具应用于具体的DSGE模型，例如如何选择合适的先验、如何处理模型识别问题、以及如何解释贝叶斯估计的结果。能够获得如此一本集理论深度与实践指导于一体的著作，我感到非常欣慰。

评分☆☆☆☆☆

最近刚拿到这本《DSGE模型的贝叶斯估计》，还未深入研读，但从其厚重的装帧和印刷质量就能感受到出版方的用心。封面上“DSGE经典译丛·当代财经管理名著译库”的字样，预示着这是一部理论体系严谨、学术价值深厚的著作。我关注DSGE模型已久，一直苦于国内相关教材或译著在方法论上不够深入，特别是关于贝叶斯估计这一关键环节。这本书的出现，仿佛是及时雨，让我看到了系统学习这一前沿技术领域的一线希望。书名中“贝叶斯估计”四个字，足以勾起我对如何将不确定性引入宏观经济模型，以及如何利用现代统计学工具来处理这些模型参数估计的浓厚兴趣。我期待它能为我梳理清楚从模型设定到参数推断的整个逻辑链条，并且能提供一些实操性的指导，哪怕是理论层面的细致讲解，也能帮助我建立起坚实的理论基础。