Matlab马尔可夫区制转换动态回归模型估计GDP增长率

相关视频

创建模型进行估计

通过指定转移矩阵和两个区制的AR（0）（仅常数）子模型的两状态离散时间马尔可夫链，为朴素估计量创建马尔可夫转换动态回归模型。标记状态。

html

加载和预处理数据

加载GDP数据集。

包含1947：Q1-2005：Q2期间实际GDP的季度数据。估计周期  为1947：Q2-2004：Q2。

通过以下方式将数据转换为年度序列：

在估计期内将数据转换为季度比率

将季度比率年度化

html

估计模型

模型拟合 年利率序列 。

html

是估计的（完全指定的）马尔可夫转换动态回归模型。  是估计的离散时间马尔可夫链模型（ 对象），  是估计的单变量VAR（0）模型（ 对象）的向量。

显示估计的特定于状态的动态模型。

html

html

显示估计的状态转移矩阵。

html

估计后的EM算法

在估计马尔可夫转换动态回归模型中考虑模型和数据 。

创建部分指定模型进行估计。

创建完全指定的模型，其中包含估计过程的初始参数值。

加载并预处理数据。

html

使模型拟合数据。当估计过程终止时，绘制对数似然比与迭代步骤。

html

使模型拟合模拟数据

使用来自已知数据生成过程（DGP）的模拟数据评估估计准确性。本示例使用任意参数值。

为DGP创建模型

为转换区制创建一个完全指定的两状态离散时间马尔可夫链模型。

html

对于每个状态，为过程创建一个完全指定的AR（1）模型。

html

为DGP创建完全指定的Markov转换动态回归模型。

模拟来自DGP的路径

从DGP生成10条长度为1000的随机路径。

html

是模拟的1000 x 10矩阵。

创建估计模型

创建一个部分指定的马尔可夫转换动态回归模型，该模型具有与数据生成过程相同的结构，但是指定了未知的转移矩阵和未知的子模型系数。

创建包含初始值的模型

创建一个完全指定的马尔可夫转换动态回归模型，该模型具有与相同的结构 ，但是将所有可估计的参数都设置为初始值。

html

估计模型

使模型拟合每个模拟路径。对于每条路径，在EM算法的每次迭代中绘制对数似然图。

html