GLASS
Global Augmented State Space Error Correction Models
GLASS - The Global Augmented State Space Error Correction Model: Structure Theory, Estimation and Inference
Projektleiter: Prof. Dr. Dietmar Bauer und Prof. Martin Wagner (Universität Klagenfurt)
Projektlaufzeit: 1.4.2022 - 31.3.2025 (geplant)
Zunehmende ökonomische und finanzwirtschaftliche Integration, wachsende Verfügbarkeit von umfangreichen Daten (länderübergreifend) und Fortschritt in der Modellierung von hochdimensionalen Zeitreihen haben zu bedeutenden Entwicklungen bei der länderübergreifenden Modellierung geführt. Diese Entwicklungen finden sowohl in theoriegetriebenen ökonomischen als auch in Zeitreihenmodellen in reduzierter Form, spezifiziert durch statistische Verfahren und weniger durch ökonomische Theorie, statt. Die Anwendung jedweden Modelltyps erfordert im hochdimensionalen Fall eine Komplexitätsreduktion.
Das Projekt plant die Beziehungen zwischen zwei prominenten ökonometrischen Ansätzen zur Modellierung hochdimensionaler (strukturierter) Zeitreihen, globale vektorautoregressive Modelle (GVAR) und verallgemeinerte dynamische Faktormodelle (GDFM) zu erforschen und erweitern. GVAR Modelle erzielen Komplexitätsreduktion durch starke Einschränkung des Einflusses der Variablen aller anderen Länder auf die Entwicklung der Variablen im jeweils betrachteten. Der Einfluss aller anderen Länder wird auf sogenannte Stern- und globale Variablen reduziert. Dieser Ansatz basiert auf einer Vielzahl von Exogenitätsannahmen und limitiert die Flexibilität der Modellierung des langfristigen (kointegrierenden) Verhaltens des Gesamtsystems. Während „strukturelle Formen“ von GVAR-Modellen als semistrukturell angesehen werden können, haben GDFMs reduzierten Form Charakter; insbesondere aufgrund der Modellierung der gemeinsamen Dynamik einer großen Anzahl von Zeitreihen durch einige statistisch identifizierte gemeinsame Faktoren. Dieser Zugang ist sehr effizient bzgl. Komplexitätsreduktion, limitiert jedoch strukturelle Analysen.
Ausgehend von der Annahme, dass alle Variablen durch einen vektorautoregressiven moving average (VARMA) Prozess generiert werden, wird im Projekt unter Verwendung adäquater Zustandsraumdarstellungen, das Global Augmentierte Zustandsraummodell (GLASS) vorgeschlagen um (i) offene Fragen in Bezug auf Exogenität und Kointegrationseigenschaften von GVAR-Modellen zu klären und (ii) die Beziehungen zwischen (VARMA) GDFMs und GLASS-Modellen im Detail zu untersuchen. Die Struktur von Zustandsraummodellen, in welchen ein latenter (ggf. niedrig-dimensionaler) Zustand die Dynamik der beobachteten Größen beschreibt, ist der Struktur von GDFMs sehr ähnlich; dies liefert den Startpunkt für die Analyse der Beziehungen. Ein wesentlicher Aspekt bei der Analyse der Modellklassen und Beziehungen ist ein genaues Verständnis der Eigenschaften bei endlichem N (in GVARs), im N-asymptotischen Fall (in GDFMs) und der Wechselwirkungen.
Basierend auf der Strukturtheorie werden in GLASS Schätz- und Inferenztools für strukturelle Analyse in hochdimensionalen kointegrierten Systemen entwickelt. Die Verfahren werden mittels ausführlich getesteten und robusten Codes der Öffentlichkeit zugänglich gemacht. GLASS ist eine hochdimensionale und strukturelle Erweiterung unseres früheren Projekts EICIP.