Principled Identification of Structural Dynamic Models

1. O Problema

O desafio central na macroeconomia dinâmica (utilizando Vetores Autorregressivos Estruturais - VARs Estruturais, ou Projeções Locais) é identificar choques econômicos latentes a partir de dados observados.

• A Lacuna de Identificação: Em um VAR de forma reduzida, os resíduos (inovações) estão correlacionados contemporaneamente. Para recuperar choques estruturais (que são assumidos como mutuamente não correlacionados), os pesquisadores devem impor restrições para determinar uma matriz de rotação $A$ tal que $A'\Sigma_{\varepsilon\varepsilon}A = I_n$.
• Limitações dos Métodos Tradicionais:
  • Cholesky Recursivo: Impõe uma estrutura triangular baseada na ordenação das variáveis. Isso é frequentemente criticado por ser arbitrário; diferentes ordenações podem produzir respostas ao impulso diferentes, embora o artigo note que elas frequentemente geram médias de correlação semelhantes.
  • Restrições de Sinal/Longo Prazo: Frequentemente enfrentam críticas quanto à plausibilidade das suposições de exclusão.
  • VARs com Proxies (IV-SVARs): Dependem de instrumentos externos. A abordagem clássica exige exogeneidade estrita (os instrumentos devem ser não correlacionados com choques não-alvo). Em cenários de múltiplos choques, isso cria um sistema sobredeterminado, pois o número de restrições de covariância nula excede os graus de liberdade disponíveis, forçando os pesquisadores a impor ordenações recursivas arbitrárias ou ignorar o "vazamento da proxy" (correlação entre instrumentos e choques não-alvo).

2. Metodologia: O Framework OASIS

Os autores propõem uma nova perspectiva: em vez de impor restrições rígidas, a identificação deve ser formulada como um problema de otimização explícito.

A. O Objetivo Central

Os autores introduzem o Esquema Invariante a Ordem e Escala (OASIS). O objetivo é encontrar a matriz de rotação ortogonal $A$ que maximize a correlação média ponderada entre os choques estruturais ($u = A'\varepsilon$) e suas variáveis-alvo designadas (seja inovações de forma reduzida $\varepsilon$ em VARs estruturais tradicionais ou instrumentos externos $z$ em VARs com proxies).

A função objetivo é:
$$\rho_w(A) = \sum_{i=1}^n w_i \text{corr}(u_i, \text{alvo}_i)$$
onde $w_i > 0$ são pesos.

B. Soluções Teóricas

1. Para VARs Estruturais Tradicionais (Alvos = Inovações de forma reduzida):

   • A rotação ótima $A^*$ é derivada analiticamente usando a decomposição espectral da matriz de correlação $C_{\varepsilon\varepsilon}$.
   • $A^* = \Lambda_{\sigma\varepsilon}^{-1} C_{\varepsilon\varepsilon}^{-1/2}$ (onde $\Lambda_{\sigma\varepsilon}$ é a matriz diagonal de desvios padrão).
   • Esta solução é única, invariante à ordem e invariante à escala. Ela coincide com a rotação de branqueamento ZCA-cor no caso de pesos iguais.

2. Para VARs com Proxies (Alvos = Instrumentos Externos):

   • O framework lida com o vazamento da proxy (onde um instrumento correlaciona-se com choques não-alvo) sem impor restrições exatas de zero.
   • A solução envolve a Decomposição em Valores Singulares (SVD) de uma matriz de correlação cruzada $\Xi = C_{\varepsilon\varepsilon}^{-1/2} C_{\varepsilon z} \Lambda_w$.
   • A rotação ótima é derivada dos componentes da SVD, maximizando o traço da correlação cruzada escalonada.
   • Múltiplos Instrumentos: O framework permite combinar múltiplas proxies por choque. Ele deriva um "instrumento composto" que maximiza a relação sinal-ruído e fornece uma condição testável para sobreidentificação (análogo a um teste J em MQ2S).

C. Relação com Cholesky

O artigo prova que a identificação por Cholesky é uma versão restrita do objetivo OASIS.

• Cholesky resolve uma otimização sequencial: maximiza a correlação para a variável 1, depois para a variável 2 sujeita à ortogonalidade à 1, etc.
• OASIS resolve uma otimização simultânea: maximiza a soma das correlações para todas as variáveis sujeita apenas à ortogonalidade.
• Resultado Teórico Chave: OASIS fecha a lacuna para a correlação perfeita ($\rho=1$) aproximadamente duas vezes mais do que a identificação recursiva de Cholesky. Especificamente, $(1 - \bar{\rho}_c) \approx 2(1 - \bar{\rho}^*)$, onde $\bar{\rho}_c$ é a correlação média de Cholesky e $\bar{\rho}^*$ é a correlação média OASIS.

3. Contribuições Principais

1. Reenquadramento da Identificação: Desloca o discurso de "As restrições de exclusão são plausíveis?" para "A função objetivo é sólida para a questão econômica?".
2. Linha de Base Diagnóstica: OASIS fornece uma rotação de referência única e invariante à ordem. Se uma identificação econômica específica (como Cholesky) desviar-se significativamente do OASIS, isso sugere que as restrições impostas podem estar distorcendo os resultados.
3. Resolvendo a Sobredeterminação em Proxies: Fornece uma estratégia de estimação principista para VARs com proxies e múltiplos choques. Em vez de forçar restrições de covariância nula impossíveis, o OASIS acomoda simetricamente o vazamento, recuperando a rotação estrutural que melhor se alinha com os instrumentos.
4. Testes de Rank para Proxies: Introduz um teste formal de rank (usando estatísticas de Kleibergen-Paap) para determinar se múltiplas proxies para um único choque estão capturando a mesma dinâmica estrutural ou fundamentalmente diferentes.

4. Resultados Empíricos

Os autores aplicaram o OASIS a 22 estudos de VAR estrutural publicados e duas aplicações seminais de VAR com proxies.

A. Revisitando 22 Estudos de VAR Estrutural

• Alta Correlação: Na maioria dos estudos, as inovações de forma reduzida estão fracamente correlacionadas (próximas à matriz identidade). Isso explica por que as ordenações de Cholesky historicamente pareceram robustas; quando os resíduos são ortogonais, a escolha da rotação importa menos.
• A "Regra do Fator Dois": Empiricamente, a razão $(1 - \bar{\rho}_c) / (1 - \bar{\rho}^*)$ consistentemente oscilou em torno de 2, confirmando a previsão teórica de que o OASIS alcança uma correlação média significativamente maior com os alvos do que o Cholesky.
• Sensibilidade à Ordenação: Embora as respostas ao impulso de Cholesky possam variar conforme a ordenação, a correlação média com choques de forma reduzida permanece notavelmente estável através de todas as permutações, validando a percepção teórica de que a ordenação distribui principalmente a correlação em vez de alterar o nível agregado.

B. Aplicações de VAR com Proxies

1. Mertens e Ravn (2013) - Choques Fiscais:

   • O estudo original usou uma ordenação recursiva de Cholesky para lidar com proxies fiscais correlacionadas.
   • O OASIS revelou vazamento simétrico significativo ($\hat{s} \approx 0,23$) entre as proxies de Imposto de Renda Pessoal e Imposto de Renda Corporativo.
   • Resultado: Contabilizar o vazamento simetricamente reduziu os multiplicadores macroeconômicos estimados em aproximadamente 30% em comparação com a abordagem recursiva, alterando conclusões substantivas.

2. Stock e Watson (2012) - Canais da Grande Recessão:

   • Aplicado a um sistema com 6 choques e múltiplas proxies.
   • Matriz de Vazamento: A matriz de vazamento estimada $S$ mostrou correlações cruzadas pervasivas e estatisticamente significativas (ex: proxies de Incerteza carregando fortemente em choques Financeiros e de Petróleo).
   • Teste de Sobreidentificação: O teste robusto de Kleibergen-Paap rejeitou a suposição estritamente diagonal (vazamento zero) para os blocos de Incerteza e Monetário, indicando que colapsar essas proxies em instrumentos únicos perde informação estrutural.
   • Resultado: O OASIS recuperou com sucesso os choques estruturais ao contabilizar o vazamento, enquanto a abordagem clássica teria forçado restrições de zero inválidas.

5. Significado e Implicações

• Robustez: O OASIS oferece uma referência transparente e orientada por dados. Se o esquema de identificação escolhido por um pesquisador (ex: restrições de sinal ou ordenação recursiva) produzir choques fracamente correlacionados com seus alvos pretendidos, o esquema é provavelmente economicamente não informativo.
• Lidando com Vazamento: O artigo resolve uma questão prática majoritária em VARs com proxies: a incapacidade de identificar múltiplos choques simultaneamente sem ordenação arbitrária. O OASIS permite dados "desordenados" onde as proxies estão cruzadamente contaminadas, fornecendo uma maneira matematicamente rigorosa de estimar a verdadeira rotação estrutural.
• Complementaridade: O OASIS pode ser combinado com restrições de sinal. Os pesquisadores podem selecionar a única rotação do conjunto de modelos com restrições de sinal admissíveis que maximize o objetivo de correlação OASIS, fornecendo uma estimativa pontual que é tanto economicamente plausível quanto estatisticamente ótima.

Em resumo, o artigo argumenta que maximizar o alinhamento com os alvos é uma abordagem superior e mais principista para a identificação do que impor restrições de exclusão arbitrárias, oferecendo tanto uma ferramenta diagnóstica para a literatura existente quanto uma nova estratégia de estimação para sistemas complexos de múltiplos choques.