DSGE模型的贝叶斯估计

第Ⅰ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