Nada

Blanchard, O. and D. Quah (1989). “The Dynamic Effects of Aggregate Demand and Supply Disturbances”. The American economic Review, Vol. 79, N° 4, 655-673.
Cochrane, J. (1994).“Permanent and Transitory Components of GNP and tock Prices” The Quarterly Journal of Economics, February.
Las técnicas de Vectores Autorregresivos han demostrado ser eficaces en ladescripción de la dinámica conjunta de las variables y en la realización de predicciones de corto plazo. Sin embargo, dado que en general las variables endógenas del VAR estáncorrelacionadas, también lo están los términos de error de las diferentes ecuaciones de la forma reducida, por lo tanto cuando se trata de realizar inferencia sobre las relaciones estructuralesentre las variables surge el problema de identificación.
Al adoptar la metodología VAR la dificultad está en identificar los shocks exógenos o estructurales, que solucionen elproblema de la correlación de los errores en los VAR.
El instrumento que utilizaremos en ese contexto son las variaciones de términos de intercambio, que deben tener un impacto directosobre producto, y además es una variable determinada por el entorno extorno y por lo tanto, no depende de la política fiscal.
Como se sabe, la política fiscal tiene importantes rezagosde diseño, aprobación e implementación, entonces es probable que el proceso de reacción de la política fiscal ante un shock de producto tome más de un trimestre.

Question 1: What isthe best way to incorporate the following type of short-run restrictions in the code?
@e1 = C(1)*@u1
@e2 = C(2)*@e1 + C(3)*@u2
@e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3
@e4 = C(5)*@e1+ C(6)*@e2 + C(7)*@e3+ C(8)*@u4

For (2) I have begun playing with creating a loop around the following code:
seriesXX.impulse(10, matbyr=seriesXX_impulse) seriesXX @ series02