本人对MS-VAR模型研究了很长时间，下面分享一下该模型的程序实现、使用方法和方法延伸。

1.程序实现

1.1在论坛里广为流传的是OX3.4软件下的givewin平台运行建模，这个软件虽然很老，除了安装比较麻烦，建模对比其他程序还是很方便的，其优势在于除了变系数模型，其他形式的MS-VAR模型都能做脉冲响应分析，由于论坛下载链接较多。我就不在这里分享了。

2.2使用winrats运行MSVAR模型，这个程序只能做三变量的MSVAR模型。

2.3Marcelo Perlin 开发了msvarlib程序，这个程序有matlab和GAUSS两个版本，但做不了脉冲响应分析，matlab版本下载很方便搜索个人主页就能下载到，这里只提供GAUSS版本的程序。

2.数据处理及建模过程

MSVAR模型的数学原理有一个假设前提，即所有变量服从一个转移概率矩阵和共同区制，所以在建模之前一定要保证你所使用的指标，指标之间的协同性要好。以双变量MSVAR模型为例，两个指标尽量为一致指标，时差相关系数的先行滞后期不要太大，个人经验最好不要超过[-3,3]。如果超过了且两个指标具有明显的先行滞后关系，则不适合使用MSVAR模型。此外还要注意，两个指标走势的主要波峰波谷尽量保持对应，这样建模的结果才可信。

2.1数据处理，要尽量去除掉指标的不规则扰动成分，使用指标的周期波动成分或者称为缺口数据。具体来说，第一种，使用的是水平值数据（有单位，并且指标走势为指数型的），一般处理方式有两种：1.对数据进行对数差分2.对数据进行季节调整后HP滤波（Eviews软件可实现）；第二种增长率数据，只进行季节调整就好。

2.2建模过程，MSVAR除了要选择不同的模型形式外，如MSM、MSI、MSMH、MSIH等等，还有两个重要的参数需要选择，第一个，区制数，一般选择2或3即识别2区制或者3区制；第二个VAR模型的滞后阶数，滞后阶数的判断，一般是先做变量的简化式VAR模型来确定最优滞后阶数，这也是书写论文的一般范式，但实际情况是简化VAR模型确定的最优滞后阶数不一定是最优结果。这需要你根据识别的平滑概率对应的区制是否能解释其经济含义或者根据参数估计结果是否合理来判断。参数估计结果尽量保证区制1的截距项或者均值项的数值都大于或者小于区制2的，不能出现第一个变量区制1的截距项小于区制2，而第二个变量区制1的截距项大于区制2的，这样构建的模型是不对的。

         此外还有一个非常重要的问题，就是你构建msvar模型是想识别高增长、低增长区制（举例来说，研究股票的牛市或者熊市）；还是扩张、收缩区制（以经济周期视角研究指标的转折点，经济处于扩张还是衰退状态），以MSI（2）-VAR模型为例，如果识别高、低增长区制直接使用经上述数据处理过程的数据建模就好；如果识别扩张、收缩区制，要使用数据的差分数据进行建模。这是我多年的建模经验，参考依据参见Hamilton(1989)。

3方法延伸

在MS-VAR模型基础上延伸了很多的新方法，如MS-GARCH模型族，以波动率视角研究变量之间的波动溢出效应（类似于脉冲响应分析）。在上文提到，如果两个变量的协同性不好，就不适合构建MSVAR模型，则二个变量应该服从不同的转移概率矩阵，这就延伸出MS格兰杰因果检验和多状态MS模型。这些方法我就不详细介绍了，这里只提供两篇参考文献，感兴趣的可以私下交流，我的qq515620502。当然小伙伴们在构建MS-VAR模型遇到什么问题都可以留言，大家一起讨论。