基于粒子滤波算法的经济周期拐点识别研究

《基于粒子滤波算法的经济周期拐点识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学校代码10487学号密级M201073901硕士学位论文基于粒子滤波算法的经济周期拐点识别研究学位申请人:张甜学科专业：金融学指导教师：简志宏教授答辩日期：2012年10月26日AThesisSubmittedinPartialFulfillmentoftherequirementsfortheDegreeofMasterofEconomicsEstimatingTurningPointofBusinessCycleontheBasisofParticleFilteringAlgorithmCandidate:TianZhangMajor:FinanceSupervis

2、or:ZhihongJianHuazhongUniversityofScience&TechnologyWuhan430074,P.R.ChinaOctober26,2012独创性声明本人声明所呈交的学位论文是我个人在导师的指导下进行的研究工作及取得的研究成果。近我所知，除文中已标明引用的内容外，本论文不包含任何其他人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家

3、有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密，在______年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文摘要经济增长的历程总是跌宕起伏并呈现出一定的周期性特征,而对经济周期波动阶段性的识别与检验问题一直是经济周期理论所关注的重要内容。目前主要有两种方法用来识别经济周期的拐点，第一种是马尔科夫机制转换模型（MSM），另外一种

4、是平滑转换自回归模型（STAR，smoothtransitionautoregression）。马尔科夫机制转换模型通过转移概率来识别经济所处的状态，转换概率的精确推断需要样本时间序列数据足够长，包含多个周期基于状态的转换，对我国的经济周期研究而言,样本数据显得有些不够。本文采用序贯蒙特卡洛(SMC)方法利用中国工业总产值月度同比增长率数据和中国经济景气指数来估计潜变量马尔科夫模型(HMM)中的非对称效应，并以此来判别中国经济周期的拐点。与大多数马尔科夫机制转移模型不同的是,本文模型所采用的机制转移概率是由贝塔分布确定的时变的转移概率,其中贝塔分布中的随机部分由一外生变量所决定，这样可以避

5、免由于样本数据不足所造成的转移概率的估计精度不够。本文通过粒子滤波方法和贝叶斯方法估计了模型中的参数和潜在状态变量,非常准确地识别了中国经济周期的历次拐点。关键词：SMCHMM经济周期拐点粒子滤波时变转移概率I华中科技大学硕士学位论文AbstractGenerally,theprocessofeconomicdevelopmentalwayshasfluctuations,andthateconomicfluctuationisalwayscyclical.Toidentifyandexaminetheturningpointofthebusinesscyclehasalways

6、beenoneofthekeyproblemsinthefieldofbusinesscycletheory.Therearenowtwomodelsthatcanbeusedtoidentifythebusinesscycle’sturningpoint.TheoneistheMarkovSwithModel(MSM),whiletheotheristhesmoothtransitionauto-regression(STAR)model.TheMSMwouldidentifythestateoftheeconomybytheuseoftransitionprobability.Toge

7、tamorepreciseestimationofthetransitionprobability,thetimespanofthetime-seriesdataissupposedtobelong,andmorethanoneswitchofbusinesscycleshouldbecontained.However,asforourcountry,thedataisnotsosufficient.Thispaperu