版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、由于經(jīng)濟(jì)行為的復(fù)雜性,宏微觀(guān)經(jīng)濟(jì)現(xiàn)象普遍存在非線(xiàn)性特征。因此,建立可靠的非線(xiàn)性模型對(duì)描述和解釋非線(xiàn)性經(jīng)濟(jì)行為模式是至關(guān)重要的。自從美國(guó)學(xué)者Hamilton開(kāi)創(chuàng)性地運(yùn)用馬爾可夫轉(zhuǎn)移模型分析美國(guó)GDP增長(zhǎng)率以來(lái),以機(jī)制轉(zhuǎn)換為代表的非線(xiàn)性時(shí)序模型已成為分析宏微觀(guān)經(jīng)濟(jì)過(guò)程變化規(guī)律和預(yù)測(cè)的重要組成部分.這其中又以平滑轉(zhuǎn)移模型(Smooth Transition Regression,STR)具有優(yōu)秀的性質(zhì),逐漸進(jìn)入國(guó)內(nèi)外學(xué)者的視線(xiàn),成為追蹤焦點(diǎn),
2、廣泛應(yīng)用于經(jīng)濟(jì)周期研究、購(gòu)買(mǎi)力平價(jià)假設(shè)、失業(yè)率與產(chǎn)出等宏觀(guān)經(jīng)濟(jì)現(xiàn)象的建模與預(yù)測(cè)。因此,STR的估計(jì)和檢驗(yàn)作為建模過(guò)程兩個(gè)關(guān)鍵環(huán)節(jié),其可靠性研究以及如何構(gòu)造更穩(wěn)健更可靠的估計(jì)和檢驗(yàn)框架一直是非線(xiàn)性時(shí)序分析中的重要課題。
國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)此開(kāi)展研究,但存在缺陷或者問(wèn)題。例如,使用網(wǎng)格搜索BHHH算法初值時(shí)沒(méi)有給出參數(shù)空間劃分的細(xì)節(jié);在使用啟發(fā)式算法求解最大似然函數(shù)以及構(gòu)造模擬估計(jì)量方面尚屬空白;線(xiàn)性檢驗(yàn)的可靠性研究和改進(jìn)都是針
3、對(duì)獨(dú)立同分布數(shù)據(jù)的,而現(xiàn)實(shí)經(jīng)濟(jì)過(guò)程存在各種形式的異方差或序列相關(guān).有鑒于此,本文在全面系統(tǒng)地研究STR估計(jì)和線(xiàn)性檢驗(yàn)可靠性的基礎(chǔ)上重點(diǎn)考察相關(guān)因素,例如搜索網(wǎng)格的劃分、轉(zhuǎn)移速度等對(duì)估計(jì)量和統(tǒng)計(jì)量性質(zhì)的影響.具體來(lái)說(shuō),第一,使用遺傳算法代替BHHH,給出算法設(shè)定的參考值;第二,構(gòu)造非參數(shù)模擬最大似然估計(jì)量( NPSML),研究窗寬的影響,使用滑動(dòng)窗寬進(jìn)一步提高NPSML估計(jì)量的可靠性;第三,使用多種模擬方法修正漸近檢驗(yàn)的水平扭曲,比較不同
4、方法的差異,給出相關(guān)程序和實(shí)施細(xì)節(jié);第四,給出ESTAR和LSTAR單位根檢驗(yàn)臨界值,并在可靠性研究的基礎(chǔ)上考察人民幣實(shí)際匯率是否存在長(zhǎng)期非線(xiàn)性均值回歸現(xiàn)象以及中美兩國(guó)實(shí)際利率是否滿(mǎn)足實(shí)際利率平價(jià)假設(shè);第五,在STR協(xié)整框架內(nèi)分析非線(xiàn)性泰勒規(guī)則在我國(guó)貨幣政策制定中是否適用,是否比線(xiàn)性協(xié)整更能刻畫(huà)我國(guó)同業(yè)拆借率的走勢(shì)。以上研究的理論意義在于提高模型估計(jì)和檢驗(yàn)的可靠性,進(jìn)而提高STR模型在面對(duì)復(fù)雜數(shù)據(jù)生成過(guò)程時(shí)的描述和預(yù)測(cè)能力,避免模擬方法
5、誤設(shè)或者濫用;實(shí)踐意義在于拓展STR模型的應(yīng)用范圍,使其能夠更好地解釋經(jīng)濟(jì)現(xiàn)象的非線(xiàn)性行為.
本文得到以下結(jié)論:第一,使用遺傳算法可以顯著改善估計(jì)量在小樣本和誤差項(xiàng)存在序列相關(guān)時(shí)的低效問(wèn)題,通過(guò)尋找交叉率和變異率的最優(yōu)組合可以提高算法執(zhí)行效率;第二,NPSML估計(jì)量具有穩(wěn)健性,但有效性較低,這是因?yàn)楹斯烙?jì)存在邊界效應(yīng),而滑動(dòng)窗寬可以做到逐點(diǎn)計(jì)算最優(yōu)窗寬,從而改善估計(jì)量的有效性;第三,獨(dú)立同分布序列時(shí),蒙特卡羅檢驗(yàn)可以精確的
6、控制實(shí)際水平,優(yōu)于殘差自助法和參數(shù)自助法,誤差項(xiàng)存在序列相關(guān)時(shí),整塊自助檢驗(yàn)優(yōu)于篩式自助檢驗(yàn),但前者的效果受到塊長(zhǎng)度的影響。誤差項(xiàng)服從GARCH、EGARCH和FIGARCH過(guò)程時(shí),建議直接使用Wild自助檢驗(yàn);第四,NLADF和NLPP可靠性?xún)?yōu)于傳統(tǒng)ADF統(tǒng)計(jì)量,并且加入非線(xiàn)性平滑轉(zhuǎn)移機(jī)制后,人民幣的PPP和RIP假說(shuō)成立,利用NLADF統(tǒng)計(jì)量的伴隨概率還可以確定機(jī)制轉(zhuǎn)移行為的對(duì)稱(chēng)性特征;第五,我國(guó)宏觀(guān)經(jīng)濟(jì)環(huán)境下的泰勒規(guī)則具有明顯的非
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 空間可加模型的估計(jì)與檢驗(yàn).pdf
- 經(jīng)驗(yàn)似然模型設(shè)定檢驗(yàn).pdf
- 平滑轉(zhuǎn)移自回歸模型的研究和應(yīng)用.pdf
- 線(xiàn)性混合效應(yīng)模型的估計(jì)與檢驗(yàn).pdf
- 平滑轉(zhuǎn)移自回歸模型理論與應(yīng)用研究.pdf
- 連續(xù)時(shí)間模型的非參數(shù)設(shè)定檢驗(yàn)問(wèn)題研究.pdf
- 平滑轉(zhuǎn)移協(xié)整模型的理論分析與應(yīng)用.pdf
- 回歸中降維模型的估計(jì)與檢驗(yàn).pdf
- 有限混合分布模型與線(xiàn)性模型的估計(jì)和檢驗(yàn)問(wèn)題.pdf
- 縱向數(shù)據(jù)中線(xiàn)性混合模型的估計(jì)與檢驗(yàn).pdf
- 幾類(lèi)典型一維擴(kuò)散模型設(shè)定檢驗(yàn)分析.pdf
- 縱向數(shù)據(jù)中線(xiàn)性混合模型的估計(jì)與檢驗(yàn)
- 46229.半?yún)?shù)模型的估計(jì)與檢驗(yàn)
- 含指標(biāo)項(xiàng)半?yún)?shù)回歸模型的估計(jì)與檢驗(yàn).pdf
- GARCH模型的估計(jì)檢驗(yàn)及異常點(diǎn)挖掘.pdf
- 7.3 空間計(jì)量經(jīng)濟(jì)學(xué)模型的估計(jì)與檢驗(yàn)
- 半?yún)?shù)面板數(shù)據(jù)模型的估計(jì)、檢驗(yàn)及模型選擇.pdf
- 門(mén)限同積模型參數(shù)估計(jì)和門(mén)限檢驗(yàn)的研究.pdf
- 混合估計(jì)自適應(yīng)平滑算法研究.pdf
- 模型設(shè)定與數(shù)據(jù)問(wèn)題探討
評(píng)論
0/150
提交評(píng)論