摘要:现实金融经济中存在交易费用和一些经济政策的突然改变,使得协整系统里变量的长期均衡关系并不是一直都发生.而马尔科夫转换向量误差修正模型很好的描述长期均衡关系,因此了广泛的应用.大多数学者关于该模型的估计极大似然估计方法,但该模型结构比较复杂,导致极大似然估计方法估计比较费时,并且估计精度不是太高,而贝叶斯估计法相对于其他的估计,了数据的信息与参数的先验分布,并且能对缺失数据、截尾数据等简明处理,因此相对于极大似然估计方法具有无可比拟的优势.为此使用基于Gibbs抽样的贝叶斯估计方法对其参数估计.的主要内容安排如下:(一)在章中,简单介绍了协整的定义,介绍了向量误差修正模型及其改进的模型马尔科夫转换向量误差修正模型的背景、应用和研究现状.(二)在章中,研究了马尔科夫转换向量误差修正模型,运用基于Gibbs抽样的贝叶斯估计法估计该模型的未知参数,并给出具体估计的实施.(三)在章中,利用统计软件模拟数据验证了该贝叶斯估计方法的性.关键词:时间序列论文协整论文向量误差修正模型论文贝叶斯估计论文Gibbs抽样论文
摘要4-5
Abstract5-8
章 绪论8-15
§1.1 协整和误差修正模型8-12
§1.2 马尔科夫转换向量误差修正模型的背景和研究现状12-15
章 马尔科夫转换向量误差修正模型的估计15-32
§2.1 基于Gibbs抽样的贝叶斯估计方法介绍15-17
§2.2 模型的先验分布17-21
§2.3 模型的似然函数及后验分布21-30
§2.4 模型的Gibbs抽样30-32
章 统计模拟32-35