2008
States Estimation in Baseline New Keynesian DSGE Model: Kalman or Bootstrap Filter?
TONNER, Jaromír a Osvald VAŠÍČEKZákladní údaje
Originální název
States Estimation in Baseline New Keynesian DSGE Model: Kalman or Bootstrap Filter?
Název česky
Odhad stavů v DSGE modelech: Kalmanův filtr nebo Bootstrapový filtr?
Autoři
TONNER, Jaromír a Osvald VAŠÍČEK
Vydání
Liberec, Mathematical Methods in Economics 2008, od s. 486-492, 6 s. 2008
Nakladatel
Technical University of Liberec
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
50200 5.2 Economics and Business
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Označené pro přenos do RIV
Ano
Kód RIV
RIV/00216224:14560/08:00026575
Organizační jednotka
Ekonomicko-správní fakulta
ISBN
978-80-7372-387-3
UT WoS
Klíčová slova anglicky
DSGE model; Kalman filter; Bootstrap filter;
Štítky
Změněno: 17. 6. 2009 14:02, Ing. Naďa Voráčová
V originále
The aim of this article is to compare the ability of estimation and filtering methods. Under assumptions of normality and linear structure, Kalman filter seems to be more accurate in comparison with Bootstrap filter that cooperates with empirical distributions. But we can show that 'chances' are approximately similar if we set for Bootstrap filter the same variances of structural shocks as we obtain from Kalman smoothed structural shocks. A construction of Kalman filter enables to flexibly change estimated covariance matrix of observation vector estimation error during filtering and smoothing procedure. But this 'advantage' is not implemented in Bootstrap filter since the bootstrap filter measurement error variances and structural shocks variances must be constant during filtering and smoothing procedure. The results will be shown on the DSGE baseline new Keynesian model of Czech economy. The model will be filtered and smoothed by above mentioned filters and a comparison study will be carried out. Practical experiences will be used for time - varying parameters estimation of DSGE models by Bootstrap filter since time - varying models are nowadays modern and very popular tool for analyzing changes in economic environment.
Česky
Cílem příspěvku je porovnat různé filtrační metody. Za předpokladu lineárního modelu a normálního rozdělení stochastických veličin se zdá být Kalmanův filtr přesnější v porovnání s Bootstrapovým algoritmem, který je založen na empirických rozloženích. Konstrukce Kalmanova filtru totiž umožňuje pružně měnit odhad kovarianční matice pro chybu pozorování během filtrace a vyhlazování. Tuto výhodu ale nelze implementovat do Bootstrapového algoritmu, nicméně lze ukázat, že šance se vyrovnají, pokud nastavíme varianční matici strukturálních šoků v Bootstrapovém filtru na hodnoty získané z Kalmanova filtru během vyhlazování. Výsledky jsou ukázány na DSGE modelu české ekonomiky a budou použity pro odhady časově proměnných parametrů, které jsou v současné době hlavním nástrojem analýzy měnícího se ekonomického prostředí.
Návaznosti
| 1M0524, projekt VaV |
|