Differentiable, Filter Free Bayesian Estimation of DSGE Models Using Mixture Density Networks

J’élabore une méthode d’estimation bayésienne pour les modèles macroéconomiques non linéaires résolus globalement. Cette méthode innove notamment par l’utilisation d’un réseau de densité de mélange comme approximation de la distribution des états initiaux. Je l’applique pour estimer un modèle néokeynésien à moyenne échelle et à deux agents en situation d’investissement irréversible où les taux d’intérêt nominaux sont soumis à la borne du zéro. À l’aide de données simulées, je montre que cette méthode permet de récupérer les « vrais » paramètres lorsqu’on utilise le réseau de densité de mélange comme approximation de la distribution des états initiaux. Cette situation contraste avec celle où les états initiaux sont paramétrés à leurs valeurs de régime permanent.