马尔可夫协整回归模型的动态滤波估计  

Dynamic filtering estimation of Markov regime-switching cointegrating regression model

作　　者：原子霞[1] 杨政[2] 

机构地区：[1]电子科技大学数学科学学院,四川成都611731 [2]电子科技大学经济与管理学院,四川成都610054

出　　处：《控制理论与应用》2013年第3期360-364,共5页Control Theory & Applications

基　　金：国家自然科学基金资助项目(70901013;11026082);中国博士后科学基金资助项目(201003692;20090451416)

摘　　要：本文提出动态滤波估计方法估计马尔可夫协整回归模型的参数.利用领先和滞后方法构造辅助的动态回归模型,以消除解释变量和误差序列间的相关性以及误差自相关性对估计结果的影响.在Hamilton滤波基础上,应用极大似然方法估计辅助模型的参数.模拟计算结果表明动态滤波估计方法能降低误差序列相关性造成的估计偏差.对1990年1月至2011年10月的中国进出口贸易数据,利用所提方法建立了马尔可夫协整回归模型.A dynamic filtering method is proposed to estimate the parameters of Markov regime-switching cointegrating regression model. In order to eliminating both the serial and contemporaneous correlation between the regressors and errors, an auxiliary dynamic regression model is developed by using a leads-and-lags approach. The maximum likelihood estimation （MLE） is performed on the auxiliary model by employing the Hamilton filter. Simulation experiments show that the method reduces the bias of the parameter estimator. A Markov cointegrating model is estimated between the export and imnort trade in China from January 1990 to October 2011.

关 键 词：机制转换 协整 Hamilton滤波 动态模型 

分 类 号：F224[经济管理—国民经济] F752.6