利用动态因子模型建立了一个创新的世界贸易周期综合指数，实时监测和预测世界商品和（通常被忽视的）服务贸易的短期增长。交易指标系列的选择是使用多维方法进行的，包括贝叶斯模型平均技术、动态相关性和线性VAR框架中的Granger非因果检验。为了克服实时预测的挑战，动态因素模型被扩展到考虑混合频率，处理异步数据发布，并包括硬数据和调查数据以及领先指标。非线性问题用马尔可夫切换模型来解决。伪实时仿真分析表明：（1）全球贸易指数是实时跟踪和预测世界贸易的有用工具；ii）该模型能够准确地推断全球贸易周期，并且比少数几个竞争替代品更好；和iii）球

在结构向量自回归分析中，通过异方差识别利益冲击已成为一种标准工具。不幸的是，目前用于建模异方差的方法都有缺点。例如，假设方差变化的已知日期通常是不现实的，而从统计和计算的角度来看，基于GARCH或马尔可夫切换残差的更灵活的模型很难处理。因此，我们提出了一个基于平稳方差变化的模型，该模型是可行的，并且相对容易估计。该模型应用于美国变量的五维系统，以探讨货币政策与股市之间的相互作用。研究发现，如果允许异方差，先前在这种情况下使用的传统识别方案会被数据拒绝。通过异方差确定的冲击与使用传统方法确定的冲击具有不同的经济解释。

结构VAR模型经常使用对同期脉冲响应的符号限制来识别。我们开发了一种方法，可以处理一组先前的分布，这些分布比传统方法目前允许的分布大得多。然后，我们开发了一个重要性采样器，它可以像传统方法一样方便地探索后验分布。这使得谨慎的先验选择和易于处理的后验采样之间现有的权衡消失了。我们使用这个框架将符号限制与模型中变量波动性的信息相结合，并表明这增强了后验推理。将该方法应用于石油市场，我们发现供应冲击在推动石油价格动态和解释海湾战争期间石油产量下降方面发挥着重要作用。

结构性VAR模型需要两个要素：（i）信息充分性和（ii）有效的识别策略。小规模递归识别的VAR模型不太可能满足这些条件。我提出了一种贝叶斯代理因子增强VAR（BP-FAVAR），将大型信息集与基于外部仪器的识别方案相结合。在货币政策冲击的应用中，我发现通过一大组金融变量的因素来增强标准的小规模代理VAR会改变模型动态，并提供更符合经济理论的价格响应。第二个应用表明，不确定性的外生增加对分类投资序列的影响比消费序列更为负面。