經濟增長的歷程總是跌宕起伏并呈現(xiàn)出一定的周期性特征,而對經濟周期波動階段性的識別與檢驗問題一直是經濟周期理論所關注的重要內容。目前主要有兩種方法用來識別經濟周期的拐點，第一種是馬爾科夫機制轉換模型（MSM），另外一種是平滑轉換自回歸模型（STAR，smooth transition autoregression）。馬爾科夫機制轉換模型通過轉移概率來識別經濟所處的狀態(tài)，轉換概率的精確推斷需要樣本時間序列數(shù)據(jù)足夠長，包含多個周期基于狀態(tài)的轉換，對我國的經濟周期研究而言,樣本數(shù)據(jù)顯得有些不夠。本文采用序貫蒙特卡洛(SMC)方法利用中國工業(yè)總產值月度同比增長率數(shù)據(jù)和中國經濟景氣指數(shù)來估計潛變量馬爾科夫模型(HMM)中的非對稱效應，并以此來判別中國經濟周期的拐點。與大多數(shù)馬爾科夫機制轉移模型不同的是,本文模型所采用的機制轉移概率是由貝塔分布確定的時變的轉移概率,其中貝塔分布中的隨機部分由一外生變量所決定，這樣可以避免由于樣本數(shù)據(jù)不足所造成的轉移概率的估計精度不夠。本文通過粒子濾波方法和貝葉斯方法估計了模型中的參數(shù)和潛在狀態(tài)變量,非常準確地識別了中國經濟周期的歷次拐點。 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及選題意義
    1.2 經濟周期拐點識別方法研究現(xiàn)狀
    1.3 粒子濾波算法及研究現(xiàn)狀
    1.4 結構安排和創(chuàng)新點
2 粒子濾波算法的基本原理
    2.1 基本模型假定
    2.2 Kalman 濾波
    2.3 序貫重要性抽樣（SIS）方法
    2.4 一般粒子濾波算法（SISR）
    2.5 輔助粒子濾波（Auxiliary particle Filter）
    2.6 權值退化的解決方法
3 中國經濟周期的拐點識別
    3.1 衡量中國經濟周期的各指標
    3.2 模型設定
    3.3 模型的估計方法
    3.4 模型的估計結果與實證分析
    3.5 本章小結
4 結論與展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]基于STR模型的中國宏觀經濟周期拐點的識別與預測[J]. 余宇新,謝鴻飛.  經濟理論與經濟管理. 2012(06)
[2]基于動態(tài)調節(jié)粒子數(shù)目的粒子濾波改進算法[J]. 李杰,趙輝.  計算機仿真. 2011(10)
[3]基于GPU的粒子濾波并行算法[J]. 孫偉平,向杰,陳加忠,余勝生.  華中科技大學學報(自然科學版). 2011(05)
[4]基于粒子濾波的非線性系統(tǒng)靜態(tài)參數(shù)估計方法[J]. 周芳龍,王浩,姚宏亮.  計算機應用研究. 2011(05)
[5]粒子濾波自適應部分系統(tǒng)重采樣算法研究[J]. 劉文靜,于金霞,湯永利.  計算機應用研究. 2011(03)
[6]中國短期利率的隨機波動與區(qū)制轉移性[J]. 鄭挺國,宋濤.  管理科學學報. 2011(01)
[7]中國經濟周期階段的非線性平滑轉換[J]. 王成勇,艾春榮.  經濟研究. 2010(03)
[8]我國經濟周期波動的非對稱性和持續(xù)性研究[J]. 陳浪南,劉宏偉.  經濟研究. 2007(04)
[9]利率期限結構的馬爾科夫區(qū)制轉移模型與實證分析[J]. 劉金全,鄭挺國.  經濟研究. 2006(11)
[10]實現(xiàn)經濟周期波動在適度高位的平滑化[J]. 劉樹成,張曉晶,張平.  經濟研究. 2005(11)



本文編號：2918122