Leitura do dia - Bayesian Inference in the Time Varying Cointegration Model

Bayesian Inference in the Time Varying Cointegration Model

Gary Koop, Roberto Leon-Gonzalez and Rodney W. Strachany

ABSTRACT
There are both theoretical and empirical reasons for believing that the parameters of macroeconomic models may vary over time. However, work with time-varying parameter models has largely involved Vector autoregressions (VARs), ignoring cointegration. This is despite the fact that cointegration plays an important role in informing macroeconomists on a range of issues.
In this paper we develop time varying parameter models which permit cointegration. Time-varying parameter VARs (TVP-VARs) typically use state space representations to model the evolution of parameters. In this paper, we show that it is not sensible to use straightforward extensions of TVP-VARs when allowing for cointegration. Instead we develop a specification which allows for the cointegrating space to evolve over time in a manner comparable to the random walk variation used with TVP-VARs. The properties of our approach are investigated before developing a method of posterior simulation. We use our methods in an empirical investigation involving a permanent/transitory variance decomposition for inflation.
Keywords: Bayesian, time varying cointegration, error correction model, reduced rank regression, Markov Chain Monte Carlo.

Um tempinho atrás eu estava envolvido em um projeto de pesquisa que envolvia a estimação de modelos vetoriais de correção de erro com parâmetros variantes no tempo, estimados usando estimação bayesiana. Embora eu tivesse tentado diferentes especificações e métodos de identificação, nunca funcionava direito, ocorrendo os problemas que o artigo acima aponta. Acho que passei mais de um mês brigando com este modelo. Embora eu tivesse uma boa intuição que o problema estava na identificação do espaço de cointegração, não sabia identicar o motico exato.
Agora já posso dormir tranquilo.