Lokale projecties: impulsresponsen schatten

Een impulsresponsfunctie (IRF) beschrijft hoe een uitkomst zich ontwikkelt na een gedefinieerde verandering of schok. Een onderzoeker kan bijvoorbeeld vragen hoe de productie reageert op een onverwachte renteverhoging, hoe een effect reageert op een gedateerde aankondiging of hoe een portefeuille reageert op een geïdentificeerde risicoschok. Het verloop over meerdere horizonten laat zien wanneer een effect begint, wanneer het het grootst is en hoelang het aanhoudt.

Het woord ‘schok’ moet worden gedefinieerd. Een waargenomen beweging van een beleidsrente, marktprijs of handelssignaal is niet automatisch een onverwachte structurele schok. Die beweging kan deels informatie over de uitkomst zelf bevatten. Zonder een geloofwaardige identificatiestrategie is een LP-coëfficiënt een conditionele samenhang of lineaire projectie, geen causale respons.

Neem \(y_t\) als uitkomst en \(s_t\) als schokmaat. Een veelgebruikte LP-specificatie voor horizon \(h\) is

\[ y_{t+h} = \alpha_h + \beta_h s_t + \sum_{j=1}^{p}\Gamma_{h,j}'W_{t-j} + \varepsilon_{t,h}. \]

Hier staat \(h\) voor het aantal perioden na de schok, bevat \(W_{t-j}\) de gekozen vertraagde controlevariabelen en is \(\beta_h\) de coëfficiënt van belang. De onderzoeker schat voor \(h=0,1,2,\ldots\) telkens een andere regressie. Door de schattingen \(\hat\beta_h\) tegen \(h\) uit te zetten, ontstaat het responsverloop. Met een structurele schok en passende identificatie kan dat verloop een structurele IRF schatten; anders beschrijft het een conditionele voorspellende projectie.

Deze directe schatting is het kernidee van Jordà’s oorspronkelijke methode: schat een regressie voor elke relevante periode, in plaats van steeds verder vooruit te voorspellen vanuit één geschat dynamisch systeem. De afzonderlijke schattingen kunnen flexibel zijn, maar delen niet automatisch de gladde dynamiek die één systeem oplegt.

Elke waarneming verbindt het tijdstip van de schok \(t\) met het tijdstip van de uitkomst \(t+h\). Bij \(h=0\) bekijk je de uitkomst in de schokperiode; bij \(h=6\) zes perioden later. De datum van de schok blijft gelijk, alleen het tijdstip waarop de uitkomst wordt waargenomen verandert. Daarom vallen er bij grotere \(h\) rijen weg aan het einde van de steekproef. Gebruik in de regressies dezelfde schokdefinitie en vergelijkbare controles om het responsverloop als geheel te kunnen interpreteren.

De coëfficiënt \(\beta_h\) is pas interpreteerbaar als de variabelen en hun schaal zijn gespecificeerd. Als \(s_t=1\) staat voor een onverwachte beleidsrenteverhoging van 25 basispunten, is \(\beta_h\) de geschatte respons op een schok van die omvang. Als \(s_t\) in procentpunten wordt gemeten, geeft de coëfficiënt in plaats daarvan de respons per procentpunt. Een andere schaal voor de schok schaalt alle coëfficiënten mee.

Ook de afhankelijke variabele bepaalt of het verloop cumulatief is of de verandering per periode weergeeft. Stel bijvoorbeeld dat \(Y_t\) een positieve productie-index is en definieer

\[ r_{t,h} = 100\,[\log(Y_{t+h})-\log(Y_{t-1})]. \]

Dan is \(r_{t,h}\) de benaderde procentuele verandering van de index vanaf het niveau vóór de schok tot en met horizon \(h\). Een andere uitkomst, zoals de maandelijkse productieverandering, beantwoordt een andere vraag. Beschrijf een cumulatieve niveaurespons niet als de verandering die alleen in maand \(h\) plaatsvindt.

Bij kleine veranderingen kan honderd maal een logverschil bij benadering als procentuele verandering worden gelezen. Als het cumulatieve logverschil van de productie-index de afhankelijke variabele is, meet \(\beta_h\) het geschatte niveauverschil ten opzichte van de waarde vlak vóór de schok tot horizon \(h\). Gebruik je in plaats daarvan de maandelijkse groei als afhankelijke variabele, dan schat je de respons van de groeivoet per periode. Een titel of grafiek met alleen ‘productierespons’ kan onduidelijk laten of het om het niveau, de cumulatieve verandering of de verandering per periode gaat.

Stel dat een maandelijkse studie \(s_t=1\) definieert als een onverwachte renteverhoging van 25 basispunten en de bovenstaande cumulatieve productiemaat gebruikt. De volgende cijfers zijn hypothetische waarden ter illustratie, geen schattingen uit echte gegevens. De intervallen gebruiken uitsluitend om de puntgewijze berekening te illustreren 1,96 maal de vermelde standaardfout.

In dit voorbeeld ligt de schatting na zes maanden 0,60% onder het niveau van vóór de schok en sluit het puntgewijze interval nul uit. De schatting na twaalf maanden is minder negatief, maar het interval omvat nul. Dat bewijst op zichzelf niet dat er tussen maand zes en twaalf herstel is opgetreden: de schattingen zijn onzeker en hangen samen tussen de horizons, en overlappende intervallen toetsen het verschil tussen twee horizons niet. Een uitspraak over het verloop vereist een passend contrast of gezamenlijke inferentie. Geen van deze cijfers is een beleidsprognose of resultaat voor een werkelijke economie.

De waarde na zes maanden betekent niet dat de productie alleen in maand zes met 0,60% is gedaald. Volgens de gedefinieerde cumulatieve afhankelijke variabele is het het geschatte niveauverschil van de productie-index ten opzichte van de waarde vóór de schok. Dat het interval na twaalf maanden nul omvat, bevestigt ook niet dat het effect tegen die tijd is verdwenen. Het betekent dat nul met de gekozen standaardfouten en de puntgewijze berekening niet wordt uitgesloten. Betrouwbaarheidsintervallen geven de precisie van de schatting weer; ze nemen de beperkingen van steekproef en identificatie niet weg.

LP is een schattingsmethode; de methode levert zelf niet de variatie die nodig is om een effect te identificeren. Een onderzoeker kan een schok definiëren met een structureel model, een hoogfrequente verrassingsmaat, een geldig extern instrument of een onderzoeksopzet met verdedigbare aannames. Elke benadering vraagt onderbouwing dat de schok te onderscheiden is van ander nieuws en van terugkoppeling vanuit de uitkomst.

Controles moeten passen bij de tijdsvolgorde van de vraag. Vertraagde variabelen van vóór de schok kunnen rekening houden met eerdere omstandigheden. Een variabele die na de schok is gemeten, kan zelf op de schok reageren. Voor zo’n mediator controleren kan een deel van de totale respons wegnemen of een nieuwe vertekening introduceren. Leg vast welke informatie direct vóór de schok beschikbaar was en waarom elke controle in de regressie staat.

Een statistisch significante \(\hat\beta_h\) maakt een gebeurtenis die onverwacht lijkt nog niet tot een exogene schok. Controleer op anticipatie, gelijktijdige aankondigingen, meetfouten, veranderende beleidsregels en steekproefselectie. In financiële markten kunnen overlappend nieuws of gemeenschappelijke schokken uitkomsten samen laten bewegen, ook wanneer de onderzochte gebeurtenis niet de oorzaak is.

Gebruik je een extern instrument, leg dan uit waarom het samenhangt met de schok van belang en waarom het de uitkomst niet via een andere route beïnvloedt. Controleer bij een hoogfrequente verrassingsmaat welk nieuws in het aankondigingsvenster valt en hoe snel prijzen informatie verwerken. Bepaal eerst de identificatielogica en kies daarna de LP om de respons op die schok te schatten. Een goede regressiefit of kleine p-waarde bewijst de identificatieaannames niet.

Lokale projecties en vectorautoregressieve modellen (VAR’s) worden vaak voorgesteld als concurrerende methoden om IRF’s te schatten. Plagborg-Møller en Wolf laten zien dat beide benaderingen bij overeenkomende informatie en identificatie, een compatibele schoknormalisatie en onbeperkte lagstructuren dezelfde populatierespons kunnen schatten. Het resultaat gaat over een gemeenschappelijk estimand; het zegt niet dat schattingen in eindige steekproeven gelijk moeten zijn of dat elke geschatte LP en VAR dezelfde restricties gebruiken.

Bij een vast aantal \(p\) lags kunnen hun respons-estimands ongeveer overeenkomen tot horizons \(h\leq p\), terwijl op langere horizons verschillen kunnen ontstaan. In eindige steekproeven schat een LP elke horizon rechtstreeks en kan die meer variëren; een VAR gebruikt een gezamenlijk dynamisch model dat een regelmatiger verloop kan geven. Die structuur kan helpen als ze passend is en misleiden als de restricties slecht aansluiten. Er is geen methode die op basis van alleen de naam altijd wint.

Leer daarom niet als vaste regel dat LP robuuster en VAR efficiënter is; kijk welke dynamische restricties worden opgelegd. Ook als flexibele, vergelijkbare specificaties hetzelfde populatiedoel hebben, kunnen verschillen in het aantal lags of de informatieverzameling van de steekproef het geschatte verloop en de precisie veranderen. Ook de schoknormalisatie moet overeenkomen om coëfficiëntgroottes rechtstreeks te kunnen vergelijken. Leg de schokeenheden, opgenomen variabelen, het aantal lags, de steekproef en de identificatierestricties naast elkaar vast.

Voor elke \(h\) levert de regressie een schatting en een maat voor onzekerheid. Naarmate \(h\) groter wordt, kunnen minder waarnemingen overblijven omdat \(y_{t+h}\) nabij het einde van de steekproef niet beschikbaar is. Resultaten op meerdere stappen overlappen bovendien, zodat residuen en schattingen tussen horizons afhankelijk kunnen zijn. De gekozen standaardfout- of bootstrapmethode moet passen bij het ontwerp en het inferentiedoel.

Een puntgewijs 95%-interval wordt telkens voor één horizon berekend. Het garandeert geen dekking van 95% voor de volledige responscurve. Een simultane betrouwbaarheidsband is een ander object en moet als zodanig worden gerapporteerd wanneer een uitspraak over het hele verloop gaat. Montiel Olea en Plagborg-Møller geven onder hun aannames nuttige resultaten voor bepaalde LP’s met extra lags; dat is geen reden om diagnostiek over te slaan of een standaardfoutrecept op iedere regressie toe te passen. In hun eenheidswortelscenario gelden de vermelde resultaten niet voor horizons die evenredig met de steekproefomvang groeien. Vermeld de controles, het horizonbereik, de covariantie- of bootstrapmethode en of de intervallen puntgewijs of simultaan zijn.

Resultaten op meerdere stappen overlappen en kunnen autocorrelatie in de residuen veroorzaken. Dat betekent niet dat je elke LP met dezelfde HAC-laglengte kunt corrigeren. De inferentieresultaten voor LP’s met extra lags betreffen specifieke regressiespecificaties met vertraagde waarden van de systeemvariabelen en de bijbehorende aannames. Leg in een toepassing uit waarom de gekozen standaardfout past bij de schatter, de persistentie van de reeks, de steekproeflengte en de doelhorizon. Bredere intervallen op lange horizons kunnen het gevolg zijn van minder beschikbare waarnemingen en informatie, niet van een rekenfout.

Onderzoekers kunnen de schok laten interageren met een waargenomen toestand, zoals een recessie-indicator, om te vragen of responsen per regime verschillen. Ook kunnen ze meerdere uitkomsten, schokgroottes of deelsteekproeven bestuderen. Elke uitbreiding verandert het estimand en gebruikt de beschikbare waarnemingen anders; het opdelen van de steekproef kan brede onzekerheid opleveren, vooral op lange horizons.

Leg waar mogelijk vooraf vast welke horizons en toestanden van belang zijn. Als je veel uitkomsten, lags, steekproeven of schokdefinities probeert, rapporteer die zoektocht dan in plaats van het geselecteerde verloop voor te stellen alsof het de enige analyse was. Gladmaken over horizons kan een grafiek leesbaarder maken, maar voegt restricties of afstemmingskeuzes toe. Toon de ongesmoothde schattingen en documenteer de methode als je ook een gladgestreken curve laat zien.

Vermeld de uitkomst, frequentie, transformatie, definitie en eenheden van de schok, het horizonbereik, de steekproefdata, de controles en de behandeling van ontbrekende waarnemingen. Licht de identificatieaannames afzonderlijk van de regressieformule toe. Rapporteer de coëfficiënt en onzekerheid per horizon of toon een grafiek met leesbare eenheden en intervaldefinities.

Noem de schattings- en inferentieprocedure, waaronder het aantal lags, de covariantiestimator of bootstrap en of de intervallen puntgewijs of simultaan zijn. Toon relevante gevoeligheid voor een verdedigbare alternatieve schokmaat, lagkeuze of steekproefperiode. Een IRF is een modelgebaseerde samenvatting van een bepaalde geïdentificeerde schok en uitkomst; het is geen handelssignaal en geen garantie voor toekomstige rendementen.

Jordà’s oorspronkelijke artikel over lokale projecties introduceert schattingen per horizon. Het resultaat over de gelijkwaardigheid van LP en VAR van Plagborg-Møller en Wolf verduidelijkt het gedeelde populatiedoel en het verschil bij eindige lagstructuren. De inferentieanalyse van Montiel Olea en Plagborg-Møller bestudeert betrouwbaarheidsintervallen voor LP’s met extra lags onder gespecificeerde voorwaarden. Verwante gidsen behandelen financiële eventstudies, robuuste en HAC-standaardfouten en difference-in-differences-ontwerpen in eventtijd.