Історія присудження Нобелівської премії з економіки Томасу Сардженту та Крістоферу Сімсу. Історична основа та вплив на сучасність наукових розробок Т. Сарджента та К. Сімса. Векторна авторегресія Крістофера Сімса. Структурна оцінка та активні очікування.
При низкой оригинальности работы "Томас Сарджент та Крістофер Сімс як креатори нової емпіричної макроекономіки", Вы можете повысить уникальность этой работы до 80-100%
ТОМАС САРДЖЕНТ ТА КРІСТОФЕР СІМС ЯК КРЕАТОРИ НОВОЇ ЕМПІРИЧНОЇ МАКРОЕКОНОМІКИНагороду вручено “...за їхні емпіричні дослідження причинно-наслідкових звязків у макроекономіці”. Сарджент з Нью-Йоркського університету показав, як структурна макроеконометрика може застосовуватися для аналізу постійних змін в економічній політиці. Сімс з Прінстонського університету розробив метод, що дозволяє аналізувати те, як тимчасові зміни в економічній політиці впливають на економіку. Він прослідкував випадки застосування раціональних очікувань в емпіричних дослідженнях: а) демонструючи як саме раціональні очікування могли бути втілені в емпіричному аналізі макроекономічних подій, щоб дослідники мали змогу точно визначати та перевіряти теорії, використовуючи формальні статистичні методи; б) показуючи можливі наслідки цього щодо формування політики. Технічно векторна авторегресія є простим W-рівнянням, W-змінною (зазвичай лінійною) системою, котра змальовує як саме кожна змінна в низці макроекономічних змінних залежить від її минулих значень, від значень решти змінних та від деяких екзогенних “потрясінь”.Фактично, динамічна поведінка структурної моделі за типом Сарджента з раціональними очікуваннями часто може бути представлена у вигляді ВА за типом Сімса. Згодом розпізнавання цієї векторної авторегресії прямо відповідатиме розпізнаванню структурних параметрів, розрахованих вздовж ліній раціональних очікувань економетрики. А визначення векторної авторегресії навпаки - часто здійснюється за допомогою специфічного звязку зі структурними моделями, хоча такий “структурний” підхід до визначення векторної авторегресії є типовим радше для класів моделей, аніж для окремої моделі.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
