Inference in VARs with Conditional Heteroskedasticity of Unknown Form


Brüggemann, Ralf ; Jentsch, Carsten ; Trenkler, Carsten


[img]
Vorschau
PDF
Brüggemann,_Jentsch,_Trenkler_14-21.pdf - Veröffentlichte Version

Download (752kB)

URL: https://ub-madoc.bib.uni-mannheim.de/36858
URN: urn:nbn:de:bsz:180-madoc-368583
Dokumenttyp: Arbeitspapier
Erscheinungsjahr: 2014
Titel einer Zeitschrift oder einer Reihe: Working Paper Series
Band/Volume: 14-21
Ort der Veröffentlichung: Mannheim
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Rechtswissenschaft und Volkswirtschaftslehre > Zeitreihenökonometrie (Trenkler 2007-)
MADOC-Schriftenreihe: Department of Economics > Working Paper Series
Fachgebiet: 330 Wirtschaft
Fachklassifikation: JEL: C30 , C32,
Freie Schlagwörter (Englisch): VAR , Conditional heteroskedasticity , Residual-based moving block bootstrap , Pairwise bootstrap , Wild bootstrap
Abstract: We derive a framework for asymptotically valid inference in stable vector autoregressive (VAR) models with conditional heteroskedasticity of unknown form. We prove a joint central limit theorem for the VAR slope parameter and innovation covariance parameter estimators and address bootstrap inference as well. Our results are important for correct inference on VAR statistics that depend both on the VAR slope and the variance parameters as e.g. in structural impulse response functions (IRFs). We also show that wild and pairwise bootstrap schemes fail in the presence of conditional heteroskedasticity if inference on (functions) of the unconditional variance parameters is of interest because they do not correctly replicate the relevant fourth moments' structure of the error terms. In contrast, the residual-based moving block bootstrap results in asymptotically valid inference. We illustrate the practical implications of our theoretical results by providing simulation evidence on the finite sample properties of different inference methods for IRFs. Our results point out that estimation uncertainty may increase dramatically in the presence of conditional heteroskedasticity. Moreover, most inference methods are likely to understate the true estimation uncertainty substantially in finite samples.




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen