论文部分内容阅读
线性模型在经典计量经济学领域中占有十分重要的地位,它是其他计量模型的基础。在实际应用中,许多重要的宏观经济时间序列总表现出非线性的特征,这就需要使用非线性时间序列模型进行建模。而门限自回归(TAR)模型是研究经济变量非线性动态调整的重要工具。TAR模型的门限变量只有一个,研究两个或两个以上的门限变量时,双门限自回归(TTV-AR)模型可以根据不同的系统进一步刻画经济变量的不同的动态特征,实现对经济变量的准确描述。针对双门限自回归(TTV-AR)模型阶数的确定,是一个十分重要的问题。本文主要是采用可逆跳马尔科夫蒙特卡罗(RJMCMC)方法对四段的TTV-AR模型进行定阶,并运用贝叶斯方法对模型的参数进行估计。为验证此方法的有效性,本文进行了仿真模型试验,并将模型估计的结果与真实值进行对比,发现本文采取的方法能够更快地确定模型的真实阶数,且参数的贝叶斯估计值也非常接近真实值。本文对2007年1月2日至2016年12月30日恒生指数时间序列数据进行实证分析。考虑到股票价格与股票涨跌幅、成交量的关系,将股价设为第一个门限变量,成交量设为第二个门限变量,对此建立一个四段的TTV-AR模型,然后应用MCMC方法来对模型进行参数估计。结果显示:该模型阶数p的估计结果为(6,5,5,6),最后4500次阶数的标准差为零,这表明模型已经收敛,此方法对模型阶数的选取是有效的。同时,由参数估计的结果可知,各参数估计值的标准误较小,模型诊断检验的结果较好。通过仿真试验与实证分析,本文基于贝叶斯推断的双门限自回归模型的定阶方法及其参数估计是有效的,结果良好。