というNBER論文が上がっている（2月時点のWP）。原題は「Piecewise-Linear Approximations and Filtering for DSGE Models with Occasionally Binding Constraints」で、著者はS. Bora˘gan Aruoba（メリーランド大）、Pablo Cuba-Borda（FRB）、Kenji Higa-Flores（メリーランド大）、Frank Schorfheide（ペンシルベニア大）、Sergio Villalvazo（同）。
以下はその要旨。
We develop an algorithm to construct approximate decision rules that are piecewise-linear and continuous for DSGE models with an occasionally binding constraint. The functional form of the decision rules allows us to derive a conditionally optimal particle filter (COPF) for the evaluation of the likelihood function that exploits the structure of the solution. We document the accuracy of the likelihood approximation and embed it into a particle Markov chain Monte Carlo algorithm to conduct Bayesian estimation. Compared with a standard bootstrap particle filter, the COPF significantly reduces the persistence of the Markov chain, improves the accuracy of Monte Carlo approximations of posterior moments, and drastically speeds up computations. We use the techniques to estimate a small-scale DSGE model to assess the effects of the government spending portion of the American Recovery and Reinvestment Act in 2009 when interest rates reached the zero lower bound.
（拙訳）
我々は時折り限界制約が生じるDSGEのために区分線形で連続的であるような決定ルールを構築するためのアルゴリズムを開発した。決定ルールの関数形は、解の構造を利用する尤度関数の評価のために条件付き最適粒子フィルター（COPF）を導出することを可能にしている。我々は尤度近似の正確性を立証し、それを粒子マルコフ連鎖モンテカルロアルゴリズムに組み込んでベイズ推計を行った。標準的なブートストラップ粒子フィルターに比べると、COPFは有意にマルコフ連鎖の持続性を減らし、事後モーメントのモンテカルロ近似の正確性を改善し、計算速度を大幅に上げる。我々はこの技法を用いて小規模のDSGEモデルを推計し、金利がゼロ下限に到達した時の2009年米国再生再投資法の政府投資分の効果を評価した。
以下は2月WPでのARRAの政府投資評価の結果図。
