基于粒子濾波算法的經(jīng)濟周期拐點識別研究.pdf

1、經(jīng)濟增長的歷程總是跌宕起伏并呈現(xiàn)出一定的周期性特征,而對經(jīng)濟周期波動階段性的識別與檢驗問題一直是經(jīng)濟周期理論所關(guān)注的重要內(nèi)容。目前主要有兩種方法用來識別經(jīng)濟周期的拐點,第一種是馬爾科夫機制轉(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)。馬爾科夫機制轉(zhuǎn)換模型通過轉(zhuǎn)移概率來識別經(jīng)濟所處的狀態(tài),轉(zhuǎn)換概率的精確推斷需要樣本時間序列數(shù)據(jù)足夠長,包含多個周期基于狀態(tài)的

2、轉(zhuǎn)換,對我國的經(jīng)濟周期研究而言,樣本數(shù)據(jù)顯得有些不夠。
　　本文采用序貫蒙特卡洛(SMC)方法利用中國工業(yè)總產(chǎn)值月度同比增長率數(shù)據(jù)和中國經(jīng)濟景氣指數(shù)來估計潛變量馬爾科夫模型(HMM)中的非對稱效應(yīng),并以此來判別中國經(jīng)濟周期的拐點。與大多數(shù)馬爾科夫機制轉(zhuǎn)移模型不同的是,本文模型所采用的機制轉(zhuǎn)移概率是由貝塔分布確定的時變的轉(zhuǎn)移概率,其中貝塔分布中的隨機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)移概率的估計精度不夠。