基于结构向量自回归（VAR）模型的原油市场研究通常假设时间不变模型和冲击传递，或者考虑时变模型和冲击传播。我们假设了一个具有时不变斜率系数的异方差简化形式VAR模型，并在包括关键宏观经济变量的全球原油市场模型中测试了时变脉冲响应。我们发现，在过去几十年中，冲击对油价预期的传递发生了变化，这可归因于异方差。
在传统的结构向量自回归（VAR）模型中，假设模型中变量的数量最多为结构冲击的数量。指出异方差可以用来识别比变量更多的冲击。然而，即使存在异方差，可以识别的冲击数量也是有限的。提供了许多结果，使研究人员能够评估有多少冲击可以从特定形式的异方差中识别出来。
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。
在蒙特卡洛研究中，回顾并比较了由条件异方差识别的结构向量自回归（SVAR）模型的不同自举方法和估计技术。该模型是一个具有广义自回归条件异方差（GARCH）创新的SVAR模型。所考虑的引导方法是野生引导、移动块引导和基于GARCH残差的引导。估计是通过高斯最大似然进行的，这是一种基于单变量GARCH估计的简化过程，也是一种在每次自举复制中不重新估计GARCH参数的方法。研究发现，计算上最有效的方法与计算上要求更高的方法具有竞争力，并且通常在不牺牲覆盖精度的情况下产生最小的置信集。以一个评估美国货币政策的实证模型为例。研究发现，脉冲响应的不同推理方法导致了定性上非常相似的结果。
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。
结构向量自回归的传统方法可以被视为贝叶斯推理的特殊情况，这些推理源于非常强的先验信念。这些方法可以用限制性较小的公式进行推广，该公式包含了识别假设本身的不确定性。我们用这种方法来重新审视冲击对石油供应和需求的重要性。事实证明，供应中断是历史油价波动中一个更大的因素，而库存积累是一个比早期估计所暗示的更小的因素。供应冲击导致全球经济活动在显著滞后后减少，而石油需求冲击则不会。
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。
研究了在结构向量自回归分析的背景下，在不同的时变波动率模型之间进行选择的信息准则和残差异方差检验的性能。尽管使用选择标准很难找到真正的波动率模型，但建议使用它们，因为相对于基于研究人员个人偏好任意选择的模型，它们可以显著降低脉冲响应估计的均方误差。异方差检验被发现是决定是否存在时变波动性的有用工具，但不能很好地区分不同类型的波动性变化。通过指定全球原油市场的模型来说明选择方法。
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。
