ローカル予測対VARs:数千のDGPから得られた教訓

というNBER論文が上がっているungated版)。原題は「Local Projections vs. VARs: Lessons From Thousands of DGPs」で、著者はDake Li(プリンストン大)、Mikkel Plagborg-Møller(同)、Christian K. Wolf(MIT)。
以下はその要旨。

We conduct a simulation study of Local Projection (LP) and Vector Autoregression (VAR) estimators of structural impulse responses across thousands of data generating processes, designed to mimic the properties of the universe of U.S. macroeconomic data. Our analysis considers various identification schemes and several variants of LP and VAR estimators. A clear bias-variance trade-off emerges: LP estimators have lower bias than VAR estimators but substantially higher variance at intermediate and long horizons. Consequently, unless researchers are overwhelmingly concerned with bias, shrinkage via Bayesian VARs or penalized LPs is attractive.
(拙訳)
我々は、米国のマクロ経済データの母集団の特性を再現するように設計された数千のデータ生成過程において、構造的インパルス反応のローカル予測(LP)*1とベクトル自己回帰(VAR)推計のシミュレーション研究を行った。我々の分析では、様々な識別スキームと、LPとVAR推計の幾つかの派生形を検討した。偏りと分散の明確なトレードオフが現れた。即ち、LP推計はVAR推計よりも偏りが小さかったが、中長期での分散が著しく高かった。従って、偏りを非常に懸念しているのでなければ、ベイジアンVARか罰則付きLPでの縮小推定*2が望ましいことになる。