DSGE模型的贝叶斯估计

　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。

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

 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。