| 这篇由国际货币基金组织（IMF）发布的2025年工作论文，题为《新凯恩斯宏观模型中的符号限制：一种“准不可知”识别方法的结果》，提出了一种改进的结构向量自回归（SVAR）模型识别策略，旨在解决传统“完全不可知”符号限制方法中存在的低接受率问题。 作者Gregorio Impavido通过构建一个包含产出缺口、通胀和政策利率的三变量新凯恩斯主义小型宏观经济模型，系统性地探讨了如何更有效地识别货币政策、需求与供给冲击。 研究首先回顾了传统SVAR模型依赖于参数约束（如零约束）进行识别的做法，指出这种方法虽然常见，但其合理性往往建立在变量调整滞后等假设之上。 相比之下，近年来流行的“符号限制”方法更为灵活，仅规定冲击对经济变量影响的方向（正或负），而不预设具体数值，因此被称为“不可知”或“agnostic”识别。 然而，此类方法普遍存在模拟过程中满足符号条件的参数组合比例极低——即“接受率低”的问题。 例如文中引用多项研究显示，接受率常低于1%，这通常被解释为模型设定错误的信号。 对此，作者提出了创新性的“准不可知”（quasi-agnostic）识别程序。 该方法并非完全随机搜索参数空间，而是借鉴迭代网格搜索的思想，在多次模拟中逐步利用前期结果所揭示的信息，缩小后续搜索范围。 具体而言，研究发现某些结构参数（如a012、a013、a023）的成功取值大多集中在正值区间，且分布具有特定均值与标准差特征。 据此，作者依次尝试使用绝对值变换、正态分布抽样以及基于历史表现校准参数范围的方法，显著提升了最终的接受率——从原始SRC方法在两期 horizon 下不足0.2%提升至超过8.5%。 这一改进不仅提高了计算效率，更重要的是揭示了更多与先验经济直觉一致的潜在经济结构，增强了实证结论的稳健性和可信度。 研究还成功解决了传统递归模型中常见的“价格之谜”——即紧缩性货币冲击导致通胀上升的反常现象，在施加符号限制后，货币紧缩带来了预期中的通胀下行反应。 总体来看，该论文为宏观计量经济学中的冲击识别难题提供了实用且富有洞察力的新路径。 它强调，低接受率未必源于模型误设，而可能是识别方法本身未能有效利用已有先验信息所致。 “准不可知”方法在保持灵活性的同时引入适应性调整机制，平衡了理论约束与数据驱动之间的张力，对于未来SVAR实证研究具有重要参考价值。 尤其在全球经济不确定性上升的背景下，这种能够更高效探索多种合理经济机制的方法，有助于政策制定者获得更全面的影响评估依据。 出品方：IMF 发布时间：2025年 文档页数：15页
|
每日更新，请关注报告派公众号
