算法驱动的结构向量自回归：在大数据荒野中导航

每个 SVAR 结果都取决于两个选择：用于识别冲击的限制条件，以及这些限制条件所作用的变量。相关文献对前者进行了规范；后者则由研究者自行选择。我们提出一种贝叶斯方法，用于构建信息集、采用样本外准则，并保留其所允许的最大系统。在递归识别下，产出会随着住房生产而上升，而不仅仅是随着家庭信贷增加而上升。对于货币政策，采用多个工具变量的无锚定联合贝叶斯代理 SVAR 强化了信贷利差渠道。在核心系统中加入选定的企业利差后，可以识别出预期违约风险这一强有力的传导边际。