體制轉(zhuǎn)換模型的若干理論擴(kuò)展及應(yīng)用
發(fā)布時(shí)間:2021-09-29 01:01
本論文梳理了體制轉(zhuǎn)換模型的現(xiàn)有文獻(xiàn),并在此基礎(chǔ)上,對(duì)這一方向的前沿理論進(jìn)行擴(kuò)展和創(chuàng)新。具體而言,本論文深入系統(tǒng)地研究了體制轉(zhuǎn)換模型存在的內(nèi)生體制轉(zhuǎn)換問(wèn)題,進(jìn)一步提出了狀態(tài)依賴內(nèi)生性的概念,并為狀態(tài)依賴內(nèi)生性提出了一整套可行的建模、檢驗(yàn)和估計(jì)方法。此外,本論文研究了當(dāng)下計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域非常熱門的交互效應(yīng)面板模型,針對(duì)其不能對(duì)時(shí)間維度上可能存在的結(jié)構(gòu)變化建模的缺點(diǎn),首次將體制轉(zhuǎn)換應(yīng)用于交互效應(yīng)面板模型,并為該模型建立了相應(yīng)的估計(jì)方法及數(shù)值算法。在第二章,我們提出了一個(gè)狀態(tài)依賴內(nèi)生性體制轉(zhuǎn)換模型(state-varying endogenous regime switching model,SERS模型),該模型是Chang et al.[1]提出的內(nèi)生性體制轉(zhuǎn)換模型(endogenous regime switching model,CCP模型)的直接擴(kuò)展。針對(duì)該模型,我們提出了一個(gè)極大似然算法來(lái)估計(jì)模型的未知參數(shù)。蒙特卡羅模擬試驗(yàn)表明:當(dāng)存在狀態(tài)依賴內(nèi)生性時(shí),SERS模型的表現(xiàn)顯著優(yōu)于CCP模型的表現(xiàn);當(dāng)不存在存在狀態(tài)依賴內(nèi)生性時(shí),SERS模型的表現(xiàn)類似于CCP模型的...
【文章來(lái)源】:南開(kāi)大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:47 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
007年9月到2017年4月上證綜指收益率
對(duì)數(shù)似然函數(shù)值628.2 628.7 628.7圖2.2為SERS模型與CCP模型估計(jì)的轉(zhuǎn)移概率。左圖為低波動(dòng)狀態(tài)轉(zhuǎn)移到高波動(dòng)狀態(tài)的轉(zhuǎn)移概率,其中點(diǎn)線為我們SERS模型對(duì)轉(zhuǎn)移概率 P(st= 1|st 1=0, ut 1) 的估計(jì),實(shí)線為 CCP模型對(duì)轉(zhuǎn)移概率 P(st= 1|st 1= 0,ut 1) 的估計(jì)。類似的,右圖為保持在高波動(dòng)狀態(tài)的轉(zhuǎn)移概率。正如上文所言,SERS模型允許體制轉(zhuǎn)換的內(nèi)生性具有狀態(tài)依賴的特征,能夠從時(shí)間序列中提取更多的信息,該觀點(diǎn)可從圖2.2得到佐證。我們可以看到SERS模型估計(jì)的轉(zhuǎn)移概率比CCP模型估計(jì)的轉(zhuǎn)移概率變化的更為劇烈。圖2.2波動(dòng)率轉(zhuǎn)換模型估計(jì)的轉(zhuǎn)移概率19
第二章 狀態(tài)依賴內(nèi)生性體制轉(zhuǎn)換模型當(dāng)潛在的體制狀態(tài)已知時(shí),我們更可以看出狀態(tài)依賴內(nèi)生性在體制轉(zhuǎn)換中的重要性。圖2.3為2015年6月到2015年7月,中國(guó)股票市場(chǎng)處于股災(zāi)期間從低波動(dòng)到高波動(dòng)的轉(zhuǎn)移概率。其中黑色實(shí)線表示上證綜指的周波動(dòng)率,點(diǎn)線表示SERS模型估計(jì)的轉(zhuǎn)移概率,虛線表示CCP模型估計(jì)的轉(zhuǎn)移概率。圖2.3表明我們的SERS模型較CCP模型而言,能更準(zhǔn)確地估計(jì)上證綜指的波動(dòng)率轉(zhuǎn)換過(guò)程。陰影區(qū)域表示上證綜指正處于股災(zāi)期間,在該階段上證綜指的波動(dòng)率很高可視為上證綜指正處于高波動(dòng)率狀態(tài)。此時(shí)估計(jì)的從高波動(dòng)轉(zhuǎn)移到低波動(dòng)的轉(zhuǎn)移概率應(yīng)該很小,但市場(chǎng)從股災(zāi)期間恢復(fù)過(guò)來(lái)時(shí),該概率應(yīng)該會(huì)增加。我們模型很好的展示了這個(gè)特點(diǎn),然而CCP模型估計(jì)的轉(zhuǎn)移概率不符合實(shí)際。圖2.3股災(zāi)期間從高波動(dòng)轉(zhuǎn)移到波動(dòng)的轉(zhuǎn)移概率使用式(2.9)、命題2.3
本文編號(hào):3412889
【文章來(lái)源】:南開(kāi)大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:47 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
007年9月到2017年4月上證綜指收益率
對(duì)數(shù)似然函數(shù)值628.2 628.7 628.7圖2.2為SERS模型與CCP模型估計(jì)的轉(zhuǎn)移概率。左圖為低波動(dòng)狀態(tài)轉(zhuǎn)移到高波動(dòng)狀態(tài)的轉(zhuǎn)移概率,其中點(diǎn)線為我們SERS模型對(duì)轉(zhuǎn)移概率 P(st= 1|st 1=0, ut 1) 的估計(jì),實(shí)線為 CCP模型對(duì)轉(zhuǎn)移概率 P(st= 1|st 1= 0,ut 1) 的估計(jì)。類似的,右圖為保持在高波動(dòng)狀態(tài)的轉(zhuǎn)移概率。正如上文所言,SERS模型允許體制轉(zhuǎn)換的內(nèi)生性具有狀態(tài)依賴的特征,能夠從時(shí)間序列中提取更多的信息,該觀點(diǎn)可從圖2.2得到佐證。我們可以看到SERS模型估計(jì)的轉(zhuǎn)移概率比CCP模型估計(jì)的轉(zhuǎn)移概率變化的更為劇烈。圖2.2波動(dòng)率轉(zhuǎn)換模型估計(jì)的轉(zhuǎn)移概率19
第二章 狀態(tài)依賴內(nèi)生性體制轉(zhuǎn)換模型當(dāng)潛在的體制狀態(tài)已知時(shí),我們更可以看出狀態(tài)依賴內(nèi)生性在體制轉(zhuǎn)換中的重要性。圖2.3為2015年6月到2015年7月,中國(guó)股票市場(chǎng)處于股災(zāi)期間從低波動(dòng)到高波動(dòng)的轉(zhuǎn)移概率。其中黑色實(shí)線表示上證綜指的周波動(dòng)率,點(diǎn)線表示SERS模型估計(jì)的轉(zhuǎn)移概率,虛線表示CCP模型估計(jì)的轉(zhuǎn)移概率。圖2.3表明我們的SERS模型較CCP模型而言,能更準(zhǔn)確地估計(jì)上證綜指的波動(dòng)率轉(zhuǎn)換過(guò)程。陰影區(qū)域表示上證綜指正處于股災(zāi)期間,在該階段上證綜指的波動(dòng)率很高可視為上證綜指正處于高波動(dòng)率狀態(tài)。此時(shí)估計(jì)的從高波動(dòng)轉(zhuǎn)移到低波動(dòng)的轉(zhuǎn)移概率應(yīng)該很小,但市場(chǎng)從股災(zāi)期間恢復(fù)過(guò)來(lái)時(shí),該概率應(yīng)該會(huì)增加。我們模型很好的展示了這個(gè)特點(diǎn),然而CCP模型估計(jì)的轉(zhuǎn)移概率不符合實(shí)際。圖2.3股災(zāi)期間從高波動(dòng)轉(zhuǎn)移到波動(dòng)的轉(zhuǎn)移概率使用式(2.9)、命題2.3
本文編號(hào):3412889
本文鏈接:http://www.sikaile.net/jingjilunwen/hongguanjingjilunwen/3412889.html
最近更新
教材專著