导读:本文包含了马尔可夫机制转换论文开题报告文献综述及选题提纲参考文献，主要关键词:经济周期,拐点,MS-DFM
马尔可夫机制转换论文文献综述
林秀梅,李青召,历姿彤[1]（2019）在《基于马尔可夫机制转换动态因子模型对我国经济周期拐点的识别》一文中研究指出基于1993年1月至2017年6月我国工业增加值、货币供应量(M1)、社会消费品零售总额、全社会固定资产投资等宏观经济指标,本文利用两步估计法的马尔可夫机制转换动态因子模型(MS-DFM)对我国经济周期进行了测度,并对经济周期的拐点进行了识别。结果显示,经调整后的月度动态因子与季度GDP高度相关,其可以作为月度GDP的替代变量。MS-DFM能够很好地识别我国经济周期的拐点。相较于仅仅利用季度GDP构建MS-AR模型,MS-DFM对经济周期和经济周期拐点的刻画更加灵敏。研究发现,目前我国经济依然处于紧缩期,而供给侧结构性改革将成为经济保持稳定增长的关键所在。(本文来源于《吉林大学数量经济优秀成果汇编（2018年卷）》期刊2019-11-01）
林秀梅,李青召,历姿彤[2]（2018）在《基于马尔可夫机制转换动态因子模型对我国经济周期拐点的识别》一文中研究指出基于1993年1月至2017年6月我国工业增加值、货币供应量(M1)、社会消费品零售总额、全社会固定资产投资等宏观经济指标,本文利用两步估计法的马尔可夫机制转换动态因子模型(MS-DFM)对我国经济周期进行了测度,并对经济周期的拐点进行了识别。结果显示,经调整后的月度动态因子与季度GDP高度相关,其可以作为月度GDP的替代变量。MS-DFM能够很好地识别我国经济周期的拐点。相较于仅仅利用季度GDP构建MS-AR模型,MS-DFM对经济周期和经济周期拐点的刻画更加灵敏。研究发现,目前我国经济依然处于紧缩期,而供给侧结构性改革将成为经济保持稳定增长的关键所在。(本文来源于《数量经济研究》期刊2018年01期）
张鹏茹[3]（2017）在《我国公司债信用利差与流动性溢价的动态相关性研究》一文中研究指出自2008年美国次贷危机爆发演变成整个金融危机后,公司债券资产价值大幅下跌,信用利差大幅波动,违约风险加剧,流动性风险日益凸显,投资者越来越意识到流动性对公司债券的重要性。国内外学者在研究信用利差影响因素时发现公司间的违约风险并不能很好的解释信用价差的变动,加入流动性影响因素后模型解释能力得到提高。对于公司债信用利差与流动性溢价之间动态相关性逐渐成为研究的热点,研究他们之间的动态相关性可以为我国公司债券的定价研究提供依据,为投资者有效规避公司债券所隐含的风险提供参考,为我国金融监管层提供引导,促进我国资本市场的发展。本文先界定了我国公司债券、信用利差、流动性溢价以及马尔可夫转换机制的内涵,在对国内外有关理论进行梳理的基础上验证了我国债券市场中存在的马尔可夫转换机制,并基于此来实证研究他们之间的动态相关性,在加入其他影响因素后,对公司债进行信用评级分类,研究了我国公司债信用利差与流动性溢价之间在经济发展平稳时期与波动时期显着差异。本文的创新之处在于将我国公司债信用利差的变动与流动性溢价动态联系起来,研究两者之间的动态相关性,在不同经济发展状态下两者之间的动态相关性是如何发生变化的,同时加入其他影响因素和信用评级因素。本文通过实证研究发现我国公司债市场上存在马尔科夫转换机制,也就是不同的经济状态时信用利差变化机制不同,且存在明显的ARCH效应。实证结果发现流动性溢价已经成为影响我国公司债信用利差的重要因素,也发现我国债券市场与股票市场之间存在替代效应。在经济波动状态下流动性溢价与信用利差变化之间存在正的相关关系,而在经济平稳运行状态下两者不存在相关关系,且不同状态持续时间不同,经济波动状态持续时间达到43周,而经济平稳期只会维持1周多。公司债不同信用评级条件下信用利差与流动性溢价动态相关性影响不同。公司债信用级别越低,正相关性越明显,信用级别越高,相关性越不明显,在研究信用利差变化的时候必须考虑信用评级的变化。(本文来源于《山西财经大学》期刊2017-03-02）
王爽[4]（2016）在《马尔可夫机制转换模型的统计分析及金融方面的应用研究》一文中研究指出马尔可夫机制转换模型是当今比较流行的一种动态时间序列模型,它能将不完全可预见的、不确定的机制转换看作为一个随机变量,在时间上就具备了随机性和连续性的特点。随着马尔可夫机制转换模型的不断发展,将其与和传统的时间序列模型相结合,被广泛的应用于经济和金融领域的研究中。在大量的实证研究中发现,金融时间序列具有波动聚集性、结构不稳定性和尖峰后尾的特点,而传统的时间序列已经不能很好的刻画金融时间序列的这些特性。为更好地解决这类问题,将马尔可夫机制转换模型与传统的时间序列模型结合起来,提出了-和-等模型,解决了结构突变所带来的问题。但由于残差序列服从不同的分布,所以在正态分布的基础上,拓展到分布和广义误差分布等有偏分布中,大大提高了模型的拟合效果。本文选取2005年1月4日到2016年9月29日上证指数和2009年11月2日至2016年9月29号汇率日收盘价的对数收益率序列作为研究样本。分别采用基于估计方法下的模型和基于估计方法不同分布形式的-模型对数据进行建模,并对模型参数进行比较分析。在此基础上,运用不同分布形式下的-模型对样本外数据进行预测,并对预测结果进行比较分析。同时,应用高斯混合模型的算法对数据的状态数目进行检验。实证结果表明:(1)运用估计方法对模型的参数进行估计,通过构造系数的方法进行实证分析,并与基于估计方法下的-模型的参数进行比较分析,发现--模型能够更好的对数据进行描述。(2)在数据的持续性研究中,采用基于估计方法下的不同分布形式的-模型,对数据进行样本外预测,分布下的预测值更贴近于真实值,在拟合程度和波动性描述上效果更好。(3)利用高斯混合模型的算法,对两状态的-模型进假设性检验,通过对数似然估计值大小的比较,认为股票与汇率市场分两状态进行分析比较好。(本文来源于《浙江理工大学》期刊2016-12-05）
黄正新,周煜麟[5]（2016）在《中国通货膨胀预期陷阱分析——基于马尔可夫机制转换模型的实证》一文中研究指出运用马尔可夫机制转换模型和2000年1季度-2015年2季度中国人民银行储户问卷调查的季度数据,对我国通货膨胀预期陷阱进行了实证分析。结论表明:我国经济曾经两次滑入通胀预期陷阱,时间分别是2005年2季度-2006年4季度,2012年1季度-2015年2季度。前一次由于有关部门误判公众通胀预期态势而采用了过度扩张的货币政策,诱致了政策型通胀预期陷阱,后一次则是政府初步治理通胀预期陷阱的有效尝试。最后提出要认真甄别流动性陷阱与通胀预期陷阱、慎用凯恩斯式的刺激政策、进一步提高货币政策的透明度、改善并加强对通胀预期的预测能力、克服货币政策时间的不一致性等建议。(本文来源于《企业经济》期刊2016年10期）
周煜麟[6]（2015）在《中国通货膨胀预期陷阱的实证分析》一文中研究指出本文首先在理论上基于巴罗和戈登发展的博弈论视角下的时间不一致性框架,以损失函数为目标函数对通胀预期陷阱的形成过程进行推导。理论推导得到的结论是,相机抉择的政策虽可带来刺激经济的眼前利益,但在重复博弈的情况下会让公众的预期报复性上调,最终把经济推向社会损失最大的均衡点,即通胀预期陷阱,经济高通胀与衰退并存,政府陷入两难。在实证部分,文章使用中国近15年的最新季度宏观经济数据,先后用马尔可夫自回归模型(MS-AR)和马尔可夫向量自回归模型(MSIAH-VAR),最终成功识别出两个中国经济滑入通胀预期陷阱的时期,为中国通胀预期陷阱的存在性提供了实证证据。之后结合中国社会经济发生的重大事件对模型识别结果,特别是这两个通胀预期陷阱区,进行经济意义的分析。我们得到进一步的结论,2005年第2季-2006年第4季是中国典型的通货膨胀预期陷阱区,政府未能采取恰当的应对政策使得通胀预期陷阱带来的负面冲击典型而明显,此时不动产价格骤升伴随中小企业困境,政府陷入刺激经济和控制房价的两难。2012年第1度-2015年第2季是另一个通胀预期陷阱区,但政府提出的“李克强经济学”有效缓解了通胀预期陷阱对经济的冲击,这是应对通货膨胀预期陷阱的成功案例。最后,受到这两个各有特点案例的启发,结合实证结果我们提出了针对现时中国经济情况的政策建议。(本文来源于《广东财经大学》期刊2015-12-08）
王伟,甘少波[7]（2015）在《马尔可夫机制转换模型下保险公司的最优投资及再保险策略》一文中研究指出研究了马尔可夫机制转换模型下保险公司的最优投资及再保险策略问题.假定风险资产价格满足马尔可夫调制的几何布朗运动,得到了最终财富的指数期望效用最大准则下的最优投资和最优再保险策略.结果表明:市场的经济状态对最优投资策略有很大影响,并通过数值计算分析了模型中市场利率和绝对风险厌恶系数与最优投资策略和最优再保险策略的关系.(本文来源于《宁波大学学报(理工版)》期刊2015年01期）
石春霞,Farhana,Ferdousi,王秋红[8]（2013）在《宏观流动性失衡逆转新探——基于马尔可夫机制转换模型》一文中研究指出由于我国宏观流动性过剩或者短缺的状态并不是相互独立的,而是与前一期或者前几期的状态具有相关性,因此构建马尔可夫机制转换模型可对我国流动性的变化做出进一步的分析解释。从模型拟合结果来看,我国宏观流动性表现为以下特点:流动性序列"过剩"与"短缺"相互转换;机制取值平滑概率趋于"不足"时期伴随着序列较大的波动;流动性的不同状态所持续的时间存在非对称性。文章旨在为宏观流动性的逆转提供决策依据,使宏观流动性预测更具科学性。(本文来源于《太原理工大学学报(社会科学版)》期刊2013年01期）
叶欣[9]（2012）在《人民币升贬值预期压力期间识别:基于马尔可夫机制转换模型的实证分析》一文中研究指出针对汇率预期变化的非线性特征,应用叁状态马尔可夫机制转换模型(MS),通过对美国次贷危机以来3月期和1年期人民币无本金交割远期汇率(CNYNDF)的波动机制进行实证分析,揭示人民币升贬值预期压力的积聚期间及交易型和投机型市场参与者的预期差异。研究结果显示:(1)2007年下半年至2009初的金融危机期间,CNYNDF先后处于升值高波动和贬值高波动的异常压力机制,且长期CNYNDF受美元先贬后升的影响更为显着,说明汇率投机者的预期更易受到国际金融市场的冲击;(2)2010年6月19日央行二次汇改之后,CNYNDF由升值高波动的异常机制逐步转入升值低波动的稳定机制,存在一个升值预期压力集中释放的阶段,说明汇率制度改革取得了稳定预期的成效。上述结论对央行适时干预以稳定人民币汇率预期具有重要的参考价值。(本文来源于《系统工程》期刊2012年10期）
余梦[10]（2012）在《中国股价指数与国际股价指数的协同性》一文中研究指出本文选取2000年1月至2012年7月中国、德国、法国、英国、意大利、日本、美国和香港等8个国家和地区的月度股指数据，分析了中国股票市场与世界其他主要股票市场间的协同性。本文首先利用马尔可夫机制转换模型进行单变量时间序列分析，寻求不同国家和地区股指波动的特征；随后引入扩展的二元马尔可夫机制转换模型对各国家地区的股指进行协同性分析。研究结果表明：1、中国股票市场存在短期大幅上涨和长期小幅下调的特征；2、亚洲国家股票市场波动较大且国家间协同性较低，欧美国家股票市场波动性较小且国家间协同性较高；3、中国股票市场与其它各国股票市场的协同性较弱。(本文来源于《华中科技大学》期刊2012-10-01）
马尔可夫机制转换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于1993年1月至2017年6月我国工业增加值、货币供应量(M1)、社会消费品零售总额、全社会固定资产投资等宏观经济指标,本文利用两步估计法的马尔可夫机制转换动态因子模型(MS-DFM)对我国经济周期进行了测度,并对经济周期的拐点进行了识别。结果显示,经调整后的月度动态因子与季度GDP高度相关,其可以作为月度GDP的替代变量。MS-DFM能够很好地识别我国经济周期的拐点。相较于仅仅利用季度GDP构建MS-AR模型,MS-DFM对经济周期和经济周期拐点的刻画更加灵敏。研究发现,目前我国经济依然处于紧缩期,而供给侧结构性改革将成为经济保持稳定增长的关键所在。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
马尔可夫机制转换论文参考文献
[1].林秀梅,李青召,历姿彤.基于马尔可夫机制转换动态因子模型对我国经济周期拐点的识别[C].吉林大学数量经济优秀成果汇编（2018年卷）.2019
[2].林秀梅,李青召,历姿彤.基于马尔可夫机制转换动态因子模型对我国经济周期拐点的识别[J].数量经济研究.2018
[3].张鹏茹.我国公司债信用利差与流动性溢价的动态相关性研究[D].山西财经大学.2017
[4].王爽.马尔可夫机制转换模型的统计分析及金融方面的应用研究[D].浙江理工大学.2016
[5].黄正新,周煜麟.中国通货膨胀预期陷阱分析——基于马尔可夫机制转换模型的实证[J].企业经济.2016
[6].周煜麟.中国通货膨胀预期陷阱的实证分析[D].广东财经大学.2015
[7].王伟,甘少波.马尔可夫机制转换模型下保险公司的最优投资及再保险策略[J].宁波大学学报(理工版).2015
[8].石春霞,Farhana,Ferdousi,王秋红.宏观流动性失衡逆转新探——基于马尔可夫机制转换模型[J].太原理工大学学报(社会科学版).2013
[9].叶欣.人民币升贬值预期压力期间识别:基于马尔可夫机制转换模型的实证分析[J].系统工程.2012
[10].余梦.中国股价指数与国际股价指数的协同性[D].华中科技大学.2012