Non- and Semiparametric Techniques for Euler Equations
Final Report Abstract
Der Fokus dieses Projekts lag darauf, allgemeine statistische Methoden unter Nicht-Standardbedingungen zu entwickeln, um damit neuartige Einblicke von praktischer und ökonomischer Relevanz insbesondere zu einem besseren Verständnis von intertemporalen Konsumentscheidungen zu gewinnen. Dabei ging es darum, dass unsere Methoden keine parametrische Vorspezifikation beispielsweise von Nutzenfunktionen bei Eulergleichungen benötigen sondern deren Form flexibel aus den Daten ermitteln können. Darüber hinaus sind diese Nicht- und Semiparametrischen Methoden allgemein genug, damit Schätz- und Testverfahren konsistent sind, obwohl Konsum nicht-stationär, aber rekurrent im Level in den marginalen Nutzen eingeht und nicht in stationären Wachstumsraten. In diesem Sinne sind die Methoden auch vom Kointegrations-Typ. Dieses Projekt hat erfolgreich solche semiparametrischen Methoden entwickelt, deren Anwendbarkeit weit über das Szenario der Eulergleichungen hinausgeht. Insbesondere wurde das auftretende Problem generierter, d.h. vorgeschätzter Regressoren allgemein gelöst. Es hat sich gezeigt, dass sich daraus ein vielfältiges Anwendungsspektrum ergibt, welches insbesondere im Kontext von systemischen Finanzrisiken untersucht wurde und dort zu ganz entscheidenden neuen Erkenntnissen führte. In dieser Hinsicht hat sich die Perspektive des Projektes geweitet. Gleichfalls hat sich gezeigt, dass zur Lösung des Kointegrationsproblems aus den Eulergleichungen hochdimensionale Verfahren benötigt werden. Deren Entwicklung hat ein komplett neues Forschungsgebiet eröffnet, welches wir nun mit Nachdruck weiterverfolgen. Neben den großen methodischen Fortschritten, konnten wir auch mit Schätzungen für rekursiven Nutzenspezifikationen und Epstein-Zin Präferenzen ein besseres Verständnis individueller Risikowahrnehmung erhalten. Darüber hinaus konnten wir formal statistisch nachweisen, dass diese Modellklasse für die intertemporale Konsumentscheidung im Gegensatz zu anderen Standardmodellen eine adäquate Spezifikation liefert.
Publications
-
(2019) Determination of vector error correction models in high dimensions. Journal of Econometrics 208 (2) 418–441
Liang, Chong; Schienle, Melanie
-
(2014) Additive Models: Extensions and Related Models, The Oxford Handbook of Process Philosophy and Organization Studies, edited by Jeffrey S. Racine, Liangjun Su, and Aman Ullah. Oxford [u.a.] : Oxford Univ. Press, 2014. S. 176-214
Mammen, E. Park, B., Schienle, M.
-
(2014) Nonparametric Kernel Density Estimation Near the Boundary, Computational Statistics & Data Analysis, Vol. 72, 57-76
Malec, P. and Schienle, M.
-
(2015) Financial Network Systemic Risk Contributions, Review of Finance, Vol 19, No 2, 685-738
Hautsch, N, Schaumburg, J. and Schienle, M.
-
(2016) Semiparametric Estimation with Generated Covariates, Econometric Theory, Vol. 32, No.5, 1140-1177
Mammen, E., Rothe, C., Schienle, M.
-
(2016) Systemic Risk Spillovers in the European Banking and Sovereign Network, Journal of Financial Stability, Vol.25 , 206–224
Betz, F., Hautsch, N., Peltonen, T. and Schienle, M.
