具有体制转移特征的状态空间模型研究

论文摘要

经济金融计量分析中的时间序列数据是经常处理的数据,对其进行分析和研究具有十分普遍的意义。而金融时间序列的非线性、非高斯等特征,以及隐变量和参数时变性等问题,使得标准计量分析模型在实证中受到很多限制。因此,本文介绍一种新的时间序列模型分析方法——马尔可夫状态空间模型方法。马尔可夫状态空间模型方法提供了一个更合理的金融时间序列模型分析框架。状态空间模型是一种能够全面刻画系统特征与状态的数学描述方法,在应用方面比信号描述方法更为灵活,也更为宽泛,因此,在诸如信息处理、模式识别以及自动控制等领域受到了普遍的重视。状态变量估计是建立状态空间模型的核心工作之一,并先后发展了一系列的估计方法与算法,尤其是突破了线性及正态约束的粒子滤波方法得到了快速的发展。本文对基于状态空间模型的时间序列预测方法进行了研究,主要工作如下:首先介绍了几种主要的状态空间模型、卡尔曼滤波器;而后分别介绍了线性状态空间模型、具有马尔可夫体制转移过程的状态空间模型、具有马尔可夫体制转移异方差过程的状态空间模型和具有自回归条件异方差状态空间模型参数的估计过程;在实证部分将状态空间模型,马尔可夫模型和自回归条件异方差模型分别结合起来研究外汇市场、商品市场和货币市场之间的关系。一方面通过实证验证了模型对数据的解释能力,另一方面针对模型结果提出具有现实意义的政策建议。

论文目录

• 论文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 基于状态空间模型的时间序列分析发展综述
• 1.2.1 国外研究历史及现状
• 1.2.2 国内研究状况
• 1.3 问题的提出
• 1.4 研究框架
• 第二章 状态空间变换下时间序列建模的若干模型
• 2.1 常见的状态空间模型
• 2.1.1 自回归模型
• 2.1.2 自回归移动平均模型
• 2.1.3 随机波动模型
• 2.1.4 不可观测因素分解模型
• 2.1.5 动态因素模型
• 2.1.6 共同波动趋势模型
• 2.2 具有马尔可夫体制转移的状态空间模型
• 2.2.1 马尔可夫模型
• 2.2.2 平滑概率的计算
• 2.2.3 模型体制平均持续时间
• 2.2.4 具有马尔可夫体制转移的状态空间模型
• 2.3 状态空间模型异方差讨论
• 2.3.1 具有自回归条件异方差分布的状态空间模型
• 2.3.2 具有马尔可夫体制转移异方差的状态空间模型
• 2.4 本章小结
• 第三章 模型参数估计
• 3.1 卡尔曼递归过程
• 3.1.1 预备知识
• 3.1.2 卡尔曼滤波器
• 3.2 状态空间模型的滤波过程和参数估计
• 3.3 具有体制转移效应的状态空间模型参数估计
• 3.4 具有马尔可夫体制转移异方差的状态空间模型参数估计
• 3.5 本章小结
• 第四章 实证分析
• 4.1 样本选取和变量定义
• 4.2 数据基本统计量
• 4.3 实证具体模型和分析方法
• 4.3.1 基于时变参数回归模型（TVP）建模及其参数估计结果
• 4.3.2 基于马尔可夫异方差模型及其参数估计结果
• 4.3.3 基于自回归条件异方差模型及其参数估计结果
• 4.4 实证结果分析
• 4.4.1 模型选择
• 4.4.2 宏观市场之间关系分析
• 4.5 结论和政策建议
• 参考文献
• 附录
• 致谢