本文介绍了马尔科夫区制转移混频向量自回归(MS-MF-VAR)模型，该模型结合了马尔科夫区制转移和混频向量自回归的特点，适用于处理不同频率和锯齿数据，尤其在经济周期预测中表现出色。模型由VAR、MS-VAR和MF-VAR模型发展而来，利用卡尔曼滤波进行参数估计和信号提取。Gauss代码片段展示了模型的具体实现。
导读
马尔科夫区制转移向量自回归模型可以进行实时(real-time)预测分析
扩展容纳混合频率和锯齿数据
可以看作是MF-VAR模型的马尔科夫区制转移(Markov-switching)扩展
从经验上讲，该模型能够非常准确地捕捉到美国的经济周期
VAR模型发展超简史
1向量自回归(VAR)模型
Sims(1980)创建VAR模型
2马尔科夫区制转移向量自回归(MS-VAR)模型
Hamiltion(1989)创建MS-VAR模型，可参见Krolzig(1997), Camacho and Perez Quiros (2002) and Paap et al. (2009).
3混频向量自回归(MF-VAR)模型
MF-VAR模型。该模型起源于Zadrozny(1988)提出的用于估计直接在不同频率下抽样模型。该方法将所有序列均视为以最高频率生成，但认为其中一些为不可观测。因此，仅在低频处可观测到那些变量，其它时点则认为是周期性缺失。MF-VAR目前有三种估计方法，即经典的状态空间方法、贝叶斯框架和堆积向量法(Ghysels, 2016)。贝叶斯技术被认为是MF-VAR模型估计的替代框架，Chiu et al. (2011通过开发一种Gibbs采用方法来估计混合和不规则采样数据的VAR。堆积向量法是观测驱动模型，与经典的参数驱动模型不同。堆积向量法根据可观测的数据来设定，并且不涉及潜在过程以及冲击，因此避免了测量方程、滤波等方程的设定，可以将
最低0.47元/天 解锁文章
717
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
