引用本文:原子霞,杨政.马尔可夫协整回归模型的动态滤波估计[J].控制理论与应用,2013,30(3):360~364.[点击复制]
YUAN Zi-xia,YANG Zheng.Dynamic filtering estimation of Markov regime-switching cointegrating regression model[J].Control Theory and Technology,2013,30(3):360~364.[点击复制]
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
摘要点击 3113  全文点击 3161  投稿时间：2012-03-26  修订日期：2012-11-08
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/CTA.2013.20271
  2013,30(3):360-364
中文关键词  机制转换  协整  Hamilton滤波  动态模型
英文关键词  regime-switching  Cointegration  Hamilton filtering  dynamic model
基金项目  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).
作者单位E-mail
原子霞* 电子科技大学 数学科学学院 yzx8047@yahoo.com.cn 
杨政 电子科技大学 经济与管理学院  
中文摘要
      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.
英文摘要
      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 import trade in China from January 1990 to October 2011.