论文部分内容阅读
近年来,许多经济学者的研究结果表明,诸多宏观经济指标的时间序列数据(如GNP、RPI、汇率等等)均呈现出非线性波动特征,经典的线性模型已经无法刻画日益复杂的市场经济现象,从而促使非线性类模型在经济和金融领域的应用越来越广泛。本文主要对非线性时间序列模型中机制转换类的三种模型(TAR、STAR和MSA)进行扩展,并对模型进行相应地统计分析(主要是贝叶斯分析),进而运用该三种模型揭示了我国某些宏观经济现象的发展规律,所得结果具有较强的经济实际意义。首先,文章对广义条件异方差门限自回归(AR-TAR-GARCH模型)进行贝叶斯分析,进而选取了我国商品零售价格指数(RPI)时间序列作为研究对象进行实证分析,研究结果表明RPI一阶差分序列具有群集效应,价格指数受负的外部冲击影响大于正的外部冲击即存在杠杆效应,建议各地相关部门采取有效措施进行适当干预以防零售商品价格波动过大。其次,鉴于今年来人民币不断升值,人民币汇率受到进出口贸易商以及政府部门的热切关注,文章选取了中美汇率时间序列作为研究对象,通过分析结果显示ESTAR-GARCH模型能很好地描述中美汇率变化的趋势,说明汇率增量既具有对称的非线性特征,也存在群集效应,基于ESTAR-GARCH(1,1)模型对近两年来美元兑人民币月平均汇率进行预测,效果比较理想,结果显示未来十个月人民币将继续升值。最后,通过编辑程序随机生成了一个服从马尔科夫转换(MSA)模型的时间序列,对该序列进行贝叶斯仿真分析,估计MSA模型参数,研究结果说明了将马尔可夫链平稳分布引入MSA模型的贝叶斯分析方法具有可行性。全文概括了非线性机制转换模型族的研究现状,基于前人的研究成果以及机制转换模型的非线性建模思想,将经典统计和贝叶斯统计方法有效结合,综合分析了三类机制转换自回归模型及其条件异方差的组合模型,并对我国宏观经济指标时间序列进行实证研究,取得了较为理想效果。