马尔科夫转换回归

  由于这个模型笔者没有学过，所以很多地方不懂，如果有人知道，发现不对的地方，请及时告诉我，后面有数据包附在后面。

1、操作界面

汉密尔顿模型由两步马尔科夫转化模型、一个平均转化常量C与四个没有转换的AR变量构成。误差项假定为常见的形式，仅有的概率变量是常数C。

结果分析

初解来自于遍历解

重复操作会产生不同的结果，因为有不同的随机数生成方式，可以使用随机数生成种子来固定随机数。

中间部分展示了系数的具体参数和恒定误差分布系数。展示了，经济快速、慢速增长的具体影响情况。

剩余的结果，展示了参数的转移矩阵和汇总统计的估计方程。

概率转换矩阵和 预期持续时间。

很多状态变量在概率转移矩阵中，有着相对高的回到初始位置地概率（0.9表示高的，0.75相对低一些）。在回到初始状态相应的语气实践为10.4和4.1.

Lastly, we display the filtered and full sample estimates of the probabilities of being in the two regimes. First select View/Regime Results/Regime Probabilities... and choose the filtered results. We will display the results only for the second regime. Then repeat the procedure choosing the smoothed results.

最后我们估计两个状态（regimes）的滤波（filtered）概率估计与平滑概率。

并加载一个 RecShade包（适用于美国或日本的衰退阴影图对象。）可以发现，与经济周期恰好吻合。

二、时变转换（TIME-VARYING TRANSITIONS）

Kim and Nelson (1999, p. 93) 提供了一个利用时变转换概率的MSAR（4）模型，用Filardo模型的工业产值的对数增长率，做了MSAR（4）平均转换的模式。使用了作为经济周期预测的十一个指标的复合型的对数增长率。

The Kim and Nelson的月度数据稍微不同于Filardo使用的数据。

领先指标滞后期作为概率回归元

结果分析

可以看到DLOGIDX(-1)的系数两者都显著，经济的对数增长率与一状态的生产增长的高概率、降低状态1的转移概率并且增加从2状态到1状态的转移概率的情况有关。

可以看到状态转移概率在时变概率下的变化

在NBER阴影下，低生产下的滤波概率相对较低。

三、状态异方差

Kim and Nelson (1999)提供了股权收益的状态异方差的三状态马尔科夫转移模型。数据包括每月的CRSP加权平均超额收益

结果分析：

本帖隐藏的内容

数据包：（欢迎加好友，一起交流~）

转换回归模型（马尔科夫转化）.rar
大小:(47.67 KB)

 马上下载

本附件包括：

• 状态异方差.wf1
• gnp_hamilton.wf1
• 时变转换数据.wf1