基于粒子濾波算法的經(jīng)濟(jì)周期拐點(diǎn)識(shí)別研究.pdf

1、經(jīng)濟(jì)增長(zhǎng)的歷程總是跌宕起伏并呈現(xiàn)出一定的周期性特征,而對(duì)經(jīng)濟(jì)周期波動(dòng)階段性的識(shí)別與檢驗(yàn)問(wèn)題一直是經(jīng)濟(jì)周期理論所關(guān)注的重要內(nèi)容。目前主要有兩種方法用來(lái)識(shí)別經(jīng)濟(jì)周期的拐點(diǎn),第一種是馬爾科夫機(jī)制轉(zhuǎn)換模型(MSM),另外一種是平滑轉(zhuǎn)換自回歸模型(STAR,smooth transition autoreg ression)。馬爾科夫機(jī)制轉(zhuǎn)換模型通過(guò)轉(zhuǎn)移概率來(lái)識(shí)別經(jīng)濟(jì)所處的狀態(tài),轉(zhuǎn)換概率的精確推斷需要樣本時(shí)間序列數(shù)據(jù)足夠長(zhǎng),包含多個(gè)周期基于狀態(tài)的

2、轉(zhuǎn)換,對(duì)我國(guó)的經(jīng)濟(jì)周期研究而言,樣本數(shù)據(jù)顯得有些不夠。
　　本文采用序貫蒙特卡洛(SMC)方法利用中國(guó)工業(yè)總產(chǎn)值月度同比增長(zhǎng)率數(shù)據(jù)和中國(guó)經(jīng)濟(jì)景氣指數(shù)來(lái)估計(jì)潛變量馬爾科夫模型(HMM)中的非對(duì)稱效應(yīng),并以此來(lái)判別中國(guó)經(jīng)濟(jì)周期的拐點(diǎn)。與大多數(shù)馬爾科夫機(jī)制轉(zhuǎn)移模型不同的是,本文模型所采用的機(jī)制轉(zhuǎn)移概率是由貝塔分布確定的時(shí)變的轉(zhuǎn)移概率,其中貝塔分布中的隨機(jī)部分由一外生變量所決定,這樣可以避免由于樣本數(shù)據(jù)不足所造成的轉(zhuǎn)移概率的估計(jì)精度不夠。