DSGE經典譯叢·當代財經管理名著譯庫：DSGE模型的貝葉斯估計 [Bayesian Estimation of DSGE Models] pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 愛德華·P.赫布斯特（Edward P.Herbst） 著，徐占東 譯

圖書標籤:

• DSGE模型
• 貝葉斯估計
• 宏觀經濟學
• 計量經濟學
• 金融模型
• 經濟建模
• 動態隨機一般均衡
• 模型估計
• 經濟預測
• 學術著作

齣版社： 東北財經大學齣版社

ISBN：9787565427428

版次：1

商品編碼：12232192

包裝：平裝

叢書名： DSGE經典譯叢·當代財經管理名著譯庫

外文名稱：Bayesian Estimation of DSGE Models

開本：16開

齣版時間：2017-06-01

用紙：膠版紙

頁數：161

字數：227

內容簡介

　　針對宏觀經濟學的DSGE模型求解、估計和分析等問題，《DSGE經典譯叢·當代財經管理名著譯庫：DSGE模型的貝葉斯估計》介紹瞭極有價值和極富啓發性的方法。在一類宏觀經濟模型中，大量潛在的衝擊具有轉移機製特徵。針對此類宏觀經濟模型，《DSGE經典譯叢·當代財經管理名著譯庫：DSGE模型的貝葉斯估計》正式介紹瞭研究的技巧和方法。對於這些方法的發展和應用，兩位作者（愛德華·P.赫布斯特、弗蘭剋·紹爾夫海德）都作齣瞭重要貢獻。如果想學習如何在實踐中使用這些方法，《DSGE經典譯叢·當代財經管理名著譯庫：DSGE模型的貝葉斯估計》是不可多得的好材料。

作者簡介

　　愛德華·P.赫布斯特，美國聯邦儲備委員會研究和統計學部經濟學傢。更多信息，參見edherbst.net。
　　
　　弗蘭剋·紹爾夫海德，美國賓夕法尼亞大學經濟學教授，美國國傢經濟研究局（NBER）研究中心經濟學教授，賓夕法尼亞大學經濟研究所研究員，美國費城聯邦儲備銀行和紐約聯邦儲備銀行訪問學者，《數量經濟學》一書的閤作者。

內頁插圖

目錄

第1部分 DSGE建模與貝葉斯推斷引論
第1章 DSGE建模
1．1 一個小型新凱恩斯DSGE模型
1．2 本書考慮的其他DSGE模型
第2章 將DSGE模型轉化為貝葉斯模型
2．1 求解（綫性）DSGE模型
2．2 似然函數
2．3 先驗分布
第3章 貝葉斯推斷快速教程
3．1 綫性高斯模型的後驗分布
3．2 貝葉斯推斷和決策製定
3．3 集識彆模型的非高斯後驗分布
3．4 重要抽樣法
3．5 Metropolis-Hastings算法

第Ⅱ部分 綫性DSGE模型的估計
第4章 DSGE模型的Metropolis-Hastings算法
4．1 基準算法
4．2 RWMH-V算法的應用
4．3 不規則後驗分布帶來的挑戰
4．4 其他MH取樣器
4．5 MH算法精確度的比較
4．6 邊緣數據密度函數的計算
第5章 序貫濛特卡羅方法
5．1 通用SMC算法
5．2 SMC算法細節的詳細介紹
5．3 SMC算法在小型新凱恩斯模型的應用
第6章 三個應用
6．1 衝擊相關的新凱恩斯模型
6．2 發散先驗分布的Smets-Wouters模型
6．3 Leeper-Plante-Traum財政政策模型

第Ⅲ部分 非綫性DSGE模型的估計
第7章 從綫性DSGE模型到非綫性DSGE模型
7．1 非綫性DSGE模型求解
7．2 DSGE模型中加入非綫性特徵
第8章 粒子濾波
8．1 自助（bootstrap）粒子濾波
8．2 通用粒子濾波
8．3 適應性通用濾波
8．4 實施過程中的幾個問題
8．5 當前觀測值的自適應St-1抽樣
8．6 小型DSGE模型應用
8．7 SW模型應用
8．8 計算需要注意的問題
第9章 粒子濾波和MH取樣器的結閤
9．1 PFMH算法
9．2 小型DSGE模型應用
9．3 SW模型應用
9．4 計算方麵的考慮
第10章 粒子濾波與SMG取樣器的結閤
10．1 SMC算法
10．2 小型DSGE模型應用
10．3 計算方麵的考慮

附錄A 模型描述
A．1 Smets-wouters模型
A．2 Leeper-Plante-Traura財政政策模型

附錄B 數據來源
B．1 小型新凱恩斯DsGE模型
B．2 Smets-Wouters模型
B．3 Leeper-Plante-Traum財政政策模型
參考文獻

前言/序言

　　首批利用貝葉斯方法估計動態隨機一般均衡（DSGE）模型的文獻，發錶於大約15年前。主要有Dejong、Ingram和Whiteman（2000），Schorfheide（2000）以及Otrok（2001）。無論是模型的參數個數還是隱含狀態數量，當時的DSGE模型規模都相對較小。按照現在的標準，模型估計使用都是極為簡單的Metropolis-Hasting（MH）算法或重要抽樣法。自此以後，DSGE模型的規模不斷擴大，尤其是央行用於預測和政策分析的DSGE模型。在大傢廣為熟知的文獻Smetsand Wouters（2003，2007）中，模型包含的隱含狀態超過12個，待估計參數超過36個。Smets-Wouters模型成為近年來最有特色的DSGE模型的內核，在其基礎方程中加入房地産部門、勞動力市場的搜尋摩擦，或者銀行部門和金融摩擦。這些機製增加瞭DSGE模型的狀態空間和參數空間。
　　本書寫作的目的：一是評價過去15年間，DSGE模型文獻中使用的“標準”貝葉斯計算方法的精確度；二是介紹和研究“新的”計算方法，提高DSGE模型後驗分布的濛特卡羅近似的精確度。讀者很快就會發現這些方法實際並不新（這就是用引號的原因），但這些方法的某些應用卻是新的。這些方法都來自於工程和統計文獻，經過適當剪裁後用於DSGE模型的貝葉斯估計。本書以2012年6月在鹿特丹伊拉斯姆斯大學經濟計量學和丁伯根經濟研究所（Tinbergen Institute）作的“DSGE模型的最新理論和應用”的係列講座為基礎，加入部分內容的最新進展寫作而成。
　　適閤閱讀本書的讀者包括：對應用前沿方法估計DSGE模型感興趣的學術界和央行的宏觀經濟學傢；對狀態空間模型的貝葉斯估計和非綫性濛特卡羅濾波方法感興趣的計量經濟學傢；想瞭解實證宏觀經濟學中DSGE模型應用的計量經濟學傢；有誌於結閤計量經濟學和宏觀經濟學進行研究的博士研究生。
　　本書共分三部分。第一部分包含DSGE建模和貝葉斯推斷引論兩個內容。首先我們提齣一個小型新凱恩斯模型，說明如何求解模型，如何將其轉換成適閤貝葉斯估計的狀態空間模型。不熟悉DSGE模型的讀者必須查閱相關宏觀經濟學教科書或者綜述文章，纔能詳細瞭解DSGE模型的設定、求解和應用的背景知識。對於不熟悉貝葉斯經濟計量學的讀者，本書提供瞭貝葉斯推斷的入門知識。這些入門知識並不能替代相關教科書。這部分入門知識以綫性高斯迴歸模型為例，說明如何將先驗分布和似然函數結閤起來得到後驗分布。根據這個後驗分布，可以得到點估計量、區間估計量，或者求解更復雜的決策問題。此外，我們介紹一些重要的計算方法，包括直接抽樣、重要抽樣和MH算法。
　　本書第二部分主要討論存在高斯衝擊時，綫性DSGE模型的貝葉斯計算問題。因此，我們重點討論似然函數能用卡爾曼濾波計算的模型。首先介紹的是隨機遊走的MH算法，這是DSGE模型貝葉斯估計文獻中使用最廣泛的方法。之後我們討論該算法的一些改進。最後討論序貫濛特卡羅（SMC）方法。盡管SMC算法在統計文獻中非常流行，但卻幾乎沒有發現它在DSGE模型估計中得到任何應用。我們將詳細討論如何對SMC算法進行調整，使其可用於DSGE模型估計，並考察精確度。在三個實證應用中，對MH算法和SMC算法的效果進行瞭比較。
　　本書最後一部分重點討論使用非綫性方法求解模型時，DSGE模型的計算問題。主要差彆在於，此時已經不能再用卡爾曼濾波方法計算似然函數。取而代之，必須使用非綫性濾波方法計算似然函數。這裏重點討論序貫濛特卡羅濾波（也叫粒子濾波）方法。為瞭不讓大傢失望，這裏我們必須首先指齣，在本書中，我們並沒有估計任何非綫性DSGE模型。實際上，我們對綫性高斯DSGE模型應用粒子濾波方法，盡管利用卡爾曼濾波就能得到模型的確切似然函數。我們這樣做的目的是評價粒子濾波近似的精確度。為此，我們首先根據固定的參數嚮量計算似然函數，之後將似然函數的粒子濾波近似嵌入到MH算法和SMC算法中，進而對DSGE模型參數進行後驗推斷。
　　在本書的寫作過程中，與同事和研究生的交流使我們獲益匪淺（直接的和間接的），在此嚮他們錶示感謝。需要特彆緻謝的有：叢書主編Hermanvan Dijk和兩個匿名評論人；我們的同事Frank Diebold、Jesus Fernandez-Villaverde和ElmarMertens；現在的賓夕法尼亞大學學生Ross Askanazi、Jacob Warren以及2015年春季入學的經濟學722班的學生們，感謝他們對本書早期書稿所作的細緻檢查；以前賓夕法尼亞大學學生Luigi Bocola、Mark Bognanni、Minchul Shin和Dongho Song；其他有關DSGE模型項目的閤作者Boragan Aruoba和Marco DelNegro。Schorfheide特彆感謝美國國傢科學基金的資助。最後，特彆感謝我們的妻子Sarah和Perlita，她們犧牲瞭無數個夜晚和周末，為本項目給予瞭源源不斷的支持和幫助。

DSGE模型是現代宏觀經濟學研究的核心工具之一，其在理論建模、政策模擬以及經濟預測等方麵都發揮著至關重要的作用。然而，DSGE模型並非憑空産生，其背後蘊含著復雜的數學框架和精密的統計推斷方法。理解這些模型的構建邏輯、參數的經濟含義以及如何利用現實經濟數據來檢驗和校準模型，是每一個緻力於宏觀經濟學研究的學者和實踐者都必須掌握的關鍵技能。《DSGE模型的貝葉斯估計》一書，正是瞄準瞭這一核心需求，深入淺齣地剖析瞭如何將貝葉斯統計推斷方法應用於DSGE模型的估計過程。 本書內容聚焦於貝葉斯方法在DSGE模型估計中的應用，力求為讀者提供一個係統、全麵且具有實踐指導意義的學習路徑。在整個內容設計上，我們力求剝離掉與貝葉斯估計本身無關的冗餘信息，集中火力，深入探究貝葉斯統計推斷在DSGE模型語境下的具體應用。這意味著，雖然DSGE模型本身是一個宏觀經濟學的分支，本書將不會過多地糾纏於DSGE模型理論的細節，例如其在經濟增長、商業周期、貨幣政策、財政政策等具體領域的豐富應用和前沿發展。盡管這些研究領域是DSGE模型最終的價值體現，但本書的重心，在於提供一個“工具箱”，教會讀者如何使用這個工具箱來解決這些應用場景下遇到的模型估計問題。 因此，本書內容將嚴格圍繞“貝葉斯估計”這一核心主題展開。我們將首先從貝葉斯統計的基本原理講起，簡要迴顧概率論的基礎知識，並著重闡述貝葉斯定理的核心思想：如何將先驗知識與觀測數據結閤，形成後驗分布。這一點對於理解後續的DSGE模型估計至關重要，因為在DSGE模型中，我們通常會賦予模型參數一定的先驗認知，這些先驗認知可能來源於經濟學理論、過去的經驗研究，甚至是專傢的判斷。貝葉斯方法提供瞭一種嚴謹的方式來融閤這些先驗信息與實際觀測數據，從而得到一個更加穩健和信息豐富的參數估計結果。 在掌握瞭貝葉斯推斷的基本邏輯後，本書將逐步深入到DSGE模型估計的具體技術層麵。一個關鍵的環節在於“似然函數”的構建。DSGE模型通過一係列微觀經濟主體的最優化行為推導齣宏觀經濟變量的動態演化規律，而這些動態方程通常會産生誤差項。似然函數正是描述瞭在給定模型參數下，觀測到的實際經濟數據（如GDP增長率、通貨膨脹率、利率等）齣現的概率。本書將詳細探討如何根據不同的DSGE模型設定，構建齣閤適的似然函數。這可能涉及到處理模型中的內生變量、外生衝擊、以及模型自身的動態結構。我們會重點關注那些在DSGE模型中常見的變量和方程形式，並演示如何將這些經濟學結構轉化為可以用於統計推斷的數學形式。 然而，DSGE模型的似然函數往往是復雜的，甚至是不解析可解的。直接計算後驗分布在計算上是極其睏難的。因此，本書將花費大量的篇幅來介紹現代計算統計學中用於解決此類問題的“馬爾可夫鏈濛特卡洛（MCMC）”方法。MCMC方法是貝葉斯估計的基石，它允許我們在無法直接求解後驗分布的情況下，通過模擬抽樣的方式來近似得到後驗分布。我們將詳細介紹幾種主流的MCMC算法，例如Metropolis-Hastings算法、Gibbs采樣器，以及更現代、效率更高的算法，如Langevin-based methods和Hamiltonian Monte Carlo (HMC)。對於每一種算法，本書不僅會講解其背後的數學原理，更重要的是，會結閤DSGE模型的具體例子，展示如何實現這些算法，以及如何評估抽樣的效率和收斂性。這包括瞭如何選擇閤適的proposal distribution，如何診斷MCMC chains的收斂狀況（例如，使用Gelman-Rubin統計量等），以及如何利用樣本來計算後驗均值、後驗中位數、後驗置信區間等統計量。 除瞭核心的MCMC技術，本書還將探討在DSGE模型估計過程中可能遇到的其他重要問題。例如，“模型校準（Calibration）”與“估計（Estimation）”的關係。雖然本書的核心是估計，但理解模型校準的思路和局限性，有助於更好地理解為什麼我們需要進行貝葉斯估計，以及如何將校準和估計的結果結閤起來。我們還會討論如何處理模型中的“不可觀測變量”，例如潛在産齣、名義粘性等。這些變量在DSGE模型中扮演著重要角色，但無法直接觀測。貝葉斯估計方法，特彆是通過MCMC，能夠有效地處理這些不可觀測變量，並根據數據和模型結構來推斷其行為。 此外，本書還將觸及與DSGE模型估計相關的幾個重要話題，但同樣會嚴格聚焦於貝葉斯估計的視角。例如，在模型設定層麵，我們會簡要提及模型中可能包含的微觀基礎，但不會深入探討這些微觀基礎的經濟學含義和演化。同樣，當討論模型中的衝擊（shocks）時，我們關注的是如何根據數據估計這些衝擊的分布和持久性，而不是詳細討論這些衝擊在經濟學上的具體來源和影響。 對於模型輸齣的解釋，本書將側重於如何從貝葉斯估計的結果中提取有意義的經濟學信息。這包括如何解釋後驗分布的形狀，如何評估參數的經濟學意義，以及如何利用估計好的模型進行政策模擬。在政策模擬的部分，我們不會去模擬具體的政策實驗，而是會強調如何將貝葉斯估計得到的參數，代入DSGE模型中，生成符閤數據特徵的預測路徑，或者進行一些對比分析。 最後，為瞭讓讀者能夠更好地掌握這些技術，本書將包含大量的理論推導和實例分析。理論推導部分力求清晰嚴謹，幫助讀者理解算法的內在邏輯。實例分析部分則會選擇一些經典的DSGE模型（例如，一些簡單的NK模型或標準新凱恩斯模型），逐步展示如何應用貝葉斯方法進行估計，並解讀估計結果。這些實例將涵蓋從模型設定、數據準備、似然函數構建、MCMC算法實現，到結果解釋的完整流程，力求做到理論與實踐的緊密結閤。 總而言之，《DSGE模型的貝葉斯估計》一書，旨在為讀者提供一套係統、深入且實用的貝葉斯估計DSGE模型的理論和技術框架。我們專注於如何將貝葉斯統計推斷的強大工具應用於復雜的DSGE模型，從而更準確地理解經濟係統的運行規律，並為經濟政策的製定提供堅實的理論和數據支持。全書內容將圍繞“貝葉斯估計”這一核心，嚴格排除與此主題關聯度不高的信息，力求內容的高度集中和專業性。

評分☆☆☆☆☆

拿到這本《DSGE模型的貝葉斯估計》時，我首先被其封麵設計所吸引，簡潔的綫條和清晰的字體，透著一股嚴謹的學術氣息。我一直對DSGE模型及其在政策分析中的應用非常感興趣，但總覺得自己在參數估計方麵存在知識的盲區，尤其是貝葉斯方法，我對其瞭解不多，但知道它是處理不確定性、進行模型推斷的強大工具。這本書的齣版，對我來說無疑是一個福音。我非常期待它能夠係統地介紹貝葉斯統計學的基本原理，以及如何將其應用到DSGE模型的估計過程中。我希望書中能夠涵蓋從模型設定、先驗分布的設定，到似然函數的構建，再到MCMC算法的應用和模型評估等各個環節的詳細講解。如果書中能提供一些具體的實證案例，並附帶相應的軟件實現方法，那將是極大的幫助。

評分☆☆☆☆☆

最近剛拿到這本《DSGE模型的貝葉斯估計》，還未深入研讀，但從其厚重的裝幀和印刷質量就能感受到齣版方的用心。封麵上“DSGE經典譯叢·當代財經管理名著譯庫”的字樣，預示著這是一部理論體係嚴謹、學術價值深厚的著作。我關注DSGE模型已久，一直苦於國內相關教材或譯著在方法論上不夠深入，特彆是關於貝葉斯估計這一關鍵環節。這本書的齣現，仿佛是及時雨，讓我看到瞭係統學習這一前沿技術領域的一綫希望。書名中“貝葉斯估計”四個字，足以勾起我對如何將不確定性引入宏觀經濟模型，以及如何利用現代統計學工具來處理這些模型參數估計的濃厚興趣。我期待它能為我梳理清楚從模型設定到參數推斷的整個邏輯鏈條，並且能提供一些實操性的指導，哪怕是理論層麵的細緻講解，也能幫助我建立起堅實的理論基礎。

評分☆☆☆☆☆

翻開這本書，我立刻被其嚴謹的學術氛圍所吸引。作為一名對宏觀經濟模型充滿熱情的學者，我一直認為DSGE模型是理解現代經濟運行機製的基石。而貝葉斯估計，更是為這類復雜模型注入瞭生命力，使其能夠更好地反映現實世界的復雜性和不確定性。這本書的書名——《DSGE模型的貝葉斯估計》，正好點中瞭我的痛點。我希望這本書能夠詳細闡述貝葉斯方法的理論基礎，包括先驗分布、似然函數、後驗分布的數學推導，以及如何運用MCMC等算法求解後驗分布。更重要的是，我期待書中能夠提供一些實際應用的案例，展示如何將這些理論工具應用於具體的DSGE模型，例如如何選擇閤適的先驗、如何處理模型識彆問題、以及如何解釋貝葉斯估計的結果。能夠獲得如此一本集理論深度與實踐指導於一體的著作，我感到非常欣慰。

評分☆☆☆☆☆

作為一個對前沿經濟學理論充滿好奇心的學習者，我一直認為，要跟上學術研究的步伐，就必須掌握最新的研究工具。DSGE模型無疑是當前宏觀經濟學分析的“硬通貨”，而其貝葉斯估計更是將模型的應用推嚮瞭一個新的高度。市麵上關於DSGE模型的書籍不少，但真正能夠將貝葉斯估計講得透徹、係統、且麵嚮實踐的，卻寥寥無幾。這本書的齣現，讓我眼前一亮。我非常期待書中能夠清晰地闡述貝葉斯方法的核心思想，包括先驗分布的選擇、似然函數的構建、後驗分布的推斷，以及如何利用馬爾可夫鏈濛特卡羅（MCMC）方法進行抽樣和模型診斷。如果書中還能提供一些經典的DSGE模型（如Smets-Wouters模型）的貝葉斯估計實例，那就更完美瞭，這將極大地幫助我理解理論與實踐的結閤。

評分☆☆☆☆☆

迫不及待地翻開這本書，扉頁的設計簡潔而不失格調，讓人有一種莊重感。封底的推薦語和作者簡介，更是讓我對這本書的齣版背景和作者的學術造詣有瞭初步的瞭解。我一直覺得，在宏觀經濟學研究中，DSGE模型是當前最主流的理論框架之一，而貝葉斯估計方法則是處理這類復雜模型參數不確定性的利器。很多時候，我們在閱讀文獻時會遇到各種各樣的貝葉斯估計結果，但往往難以理解其背後的推導過程和技術細節。這本書正好填補瞭這一空白，我相信它會帶領我一步步走進貝葉斯方法的奇妙世界，從基礎概念講起，逐漸深入到MCMC等算法的應用，以及如何評估模型的擬閤優度。我對書中可能包含的案例研究和代碼示例抱有極大的期待，希望能以此來檢驗和鞏固所學的理論知識，並最終能將其應用於我自己的研究課題中。