我们构建了一个基于新闻的病毒性疾病指数，并使用结构向量自回归研究流行病对世界经济的动态影响。流行病冲击对受影响国家和世界产出具有持续的直接和间接负面影响。这些冲击导致全球贸易、就业和消费价格在三个季度内大幅下降，而且这种损失是永久性的。相比之下，零售额有所增长。国别研究表明，直接影响是间接影响的四倍，需求侧主导供给侧收缩。总体而言，研究结果表明，扩张性宏观经济政策是一种适当的危机应对措施。

我们开发了一个结构向量自回归框架，该框架结合了外部工具和异方差来识别货币政策冲击。我们表明，利用这两种类型的信息可以强化结构推理，允许使用似然比测试分别测试工具的相关性和外生性条件，并有助于对感兴趣的结构冲击进行经济解释。我们测试了替代工具，发现叙述性和基于模型的测量是有效的，而高频数据工具显示出无效的迹象。最后，我们证明，与仅通过工具识别的货币冲击相比，通过有效工具和异方差识别的货币震荡对生产和价格的影响更大。

为了识别影响经济变量的结构性冲击，需要对结构向量自回归（SVAR）模型的参数施加限制。经济理论是这种限制的主要来源。然而，只有过度识别的限制才能用统计方法进行测试，这限制了许多刚刚识别的SVAR模型的统计验证。在本研究中，为SVAR模型开发了贝叶斯推理，其中通过马尔可夫切换异方差来识别结构参数。在这样的模型中，在同性恋的情况下，仅仅是识别的限制会变得过度识别，并且可以进行测试。导出了一组参数限制条件，在此条件下全局识别结构矩阵，并使用Savage Dickey密度比来评估识别条件的有效性。为此，定义了一个新的概率分布，它推广了β、F和复合伽马分布。作为一个经验例子，使用异方差作为额外的识别手段来比较货币模型。实证结果支持了利率反应函数中包含货币的模型。

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。

感兴趣冲击的识别是结构向量自回归（SVAR）建模中的一个核心问题。识别通常通过对冲击的影响或长期影响施加限制或通过考虑脉冲响应的符号限制来实现。在一些文章中，波动性的变化也被用来识别冲击。本研究的重点是后一种装置。综述了通过异方差进行识别的一些可能设置，并讨论了它们的潜力和局限性。考虑了两个详细的例子来说明该方法。