Projektbeschreibung
Fortschritte in der ökonometrischen Inferenz
Bei Wirtschafts- und Finanzdaten handelt es sich häufig um Zeitreihen mit starkem Gedächtnis und nicht-stationärer Dynamik, wodurch Hypothesentests und die Konstruktion von Konfidenzintervallen zu einer Herausforderung werden. Traditionelle ökonometrische Verfahren liefern ungültige Rückschlüsse auf Prozesse wie explosive Trends, langes Gedächtnis oder zeitveränderliche Parameter. Das Team des ERC-finanzierten Projekts Persistence befasst sich mit diesem Problem, wobei ein einheitlicher ökonometrischer Rahmen für eine breite Klasse von Zeitreihenprozessen entwickelt wird. Durch die Schaffung einer neuen erklärenden Variable, die der zentralen Grenzwerttheorie entspricht, lässt der Ansatz gültige Schlussfolgerungen unabhängig von den stochastischen Eigenschaften des Regressors zu. Das Verfahren vereinfacht die Umsetzung durch geschlossene Schätzer und Tests, wodurch es Eignung für reale praktische Anwendungen erlangt. Dieser Rahmen verspricht Fortschritte in der Ökonometrie, wobei robuste Instrumente zur Analyse makroökonomischer und finanzieller Daten bereitgestellt werden, die unabhängig von der Dynamik der Regressoren gültig bleiben.
Ziel
This project proposes a novel econometric approach suited for hypothesis testing and confidence interval construction in the presence of generic time series regressors with arbitrary persistence degree. The project will develop inference for a large class of regressor processes commonly encountered in macroeconomic and financial data, ranging from stationary, local-to-unit-root, explosive, long memory, time-varying parameter and other nonstationary processes as well as multivariate systems containing mixed components. The key idea behind the approach is to build a new explanatory variable from the data which conforms to a standard central limit theory even when the original regressor does not. The resulting instrumental variable estimators based on this endogenously constructed instrument are shown to be asymptotically mixed-Gaussian regardless of the true stochastic nature of the regressor, implying standard inference for any IV-based self-normalised test. The main contribution of the project is to place a large class of nonstandard processes with a wide range of dynamics and memory properties under a common econometric framework which delivers standard inference regardless of the regressor's stochastic properties. The asymptotic development of the procedure requires fundamental theoretical contributions such as a novel Granger-Johansen type representation theory for multivariate time series with mixed stochastic components and the asymptotic analysis of time series with different persistence types. The novel procedure is shown to be valid uniformly across persistence regimes and automatically delivers asymptotically correct inference without a priori knowledge of the regressor's true stochastic nature. In addition to its generality and theoretical coherence, the approach has the added advantage of ease of implementation (with closed-form estimators and tests that employ standard critical values), thus making it suitable for general practical application.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2023-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC -Gastgebende Einrichtung
08002 Barcelona
Spanien