第1部分 DSGE建模与贝叶斯推断引论
第1章 DSGE建模
1．1 一个小型新凯恩斯DSGE模型
1．2 本书考虑的其他DSGE模型
第2章 将DSGE模型转化为贝叶斯模型
2．1 求解（线性）DSGE模型
2．2 似然函数
2．3 先验分布
第3章 贝叶斯推断快速教程
3．1 线性高斯模型的后验分布
3．2 贝叶斯推断和决策制定
3．3 集识别模型的非高斯后验分布
3．4 重要抽样法
3．5 Metropolis-Hastings算法
第Ⅱ部分 线性DSGE模型的估计
第4章 DSGE模型的Metropolis-Hastings算法
4．1 基准算法
4．2 RWMH-V算法的应用
4．3 不规则后验分布带来的挑战
4．4 其他MH取样器
4．5 MH算法精确度的比较
4．6 边缘数据密度函数的计算
第5章 序贯蒙特卡罗方法
5．1 通用SMC算法
5．2 SMC算法细节的详细介绍
5．3 SMC算法在小型新凯恩斯模型的应用
第6章 三个应用
6．1 冲击相关的新凯恩斯模型
6．2 发散先验分布的Smets-Wouters模型
6．3 Leeper-Plante-Traum财政政策模型
第Ⅲ部分 非线性DSGE模型的估计
第7章 从线性DSGE模型到非线性DSGE模型
7．1 非线性DSGE模型求解
7．2 DSGE模型中加入非线性特征
第8章 粒子滤波
8．1 自助（bootstrap）粒子滤波
8．2 通用粒子滤波
8．3 适应性通用滤波
8．4 实施过程中的几个问题
8．5 当前观测值的自适应St-1抽样
8．6 小型DSGE模型应用
8．7 SW模型应用
8．8 计算需要注意的问题
第9章 粒子滤波和MH取样器的结合
9．1 PFMH算法
9．2 小型DSGE模型应用
9．3 SW模型应用
9．4 计算方面的考虑
第10章 粒子滤波与SMG取样器的结合
10．1 SMC算法
10．2 小型DSGE模型应用
10．3 计算方面的考虑
附录A 模型描述
A．1 Smets-wouters模型
A．2 Leeper-Plante-Traura财政政策模型
附录B 数据来源
B．1 小型新凯恩斯DsGE模型
B．2 Smets-Wouters模型
B．3 Leeper-Plante-Traum财政政策模型
参考文献
^ 收 起 
