如果观察时间序列足够长的时间,则可以看到通常存在一些时间段,其时间序列行为与前期相比有很大的变化,而这种显著的变化可视为时间序列的内在生成机制从一种机制向另外一种机制的转换。马尔可夫机制转换模型将这种机制转换作为一个随机的内生变量,从而实现用一个统一的模型刻画显著的结构变化,有利于对未来进行推断。文章在阐述了马尔可夫机制转换模型的研究意义和研究现状之后,详细介绍了马尔可夫机制转换模型的设定,并研究了其估计方法和模型预测问题。文章利用两状态滞后二阶的马尔可夫机制转换模型对1983年1月至2007年12月中国的月度通货膨胀率进行刻画,通过对参数估计结果、滤子概率和平滑概率的分析,结果表明:通货膨胀率波动可以分为高通胀机制和低通胀机制两个状态,各状态之间存在不同的转换概率,每一种状态具有不同的持续期,且其波动的程度也不一样。同时,我们也采用AR(2)模型对通货膨胀率序列进行估计,通过似然比检验显示马尔可夫机制转换模型在样本内拟合上明显的优于简单线性自回归模型。最后我们利用转移概率给出了状态机制变量的一步向前预测概率,为下期通货膨胀率处于何种状态机制提供了依据。