下载掌阅APP，畅读海量书库
立即打开
马尔可夫体制转换自回归（MSAR）模型假定体制转换由外生的不可观测的马尔可夫链（Markov Chain）决定，没有对体制变化发生的原因以及这些变化的时间做出解释。事实上，一国的经济状态依赖于它的地缘因素、政治制度和文化背景等基本面的信息，难以选择一个变量能够较好地衡量其经济状态的变迁。基于MSAR模型可以分析经济变量在“经济扩张和收缩”、“汇率升值和贬值”以及“是否发生危机”等两种状态下的动态行为，并讨论在两种状态下经济活动所具有的差异性。
最早，Hamilton（1989）提出了马尔可夫体制转移模型，Hamilton（2005）系统地归纳总结了MSR模型的研究。刘金全和郑挺国（2006）基于MSAR模型分析了我国货币政策冲击对实际产出周期波动的非对称影响。刘金全和李庆华（2009）基于MSAR模型分析了中国经济周期的阶段性划分和经济波动的非对称性。郑挺国和刘金全（2010）研究了区制转移形式的“泰勒规则”及其在中国货币政策的应用。司颖华和肖强（2014）基于MSAR模型分析了我国物价的非线性特征。
马尔可夫模型假定存在跨期状态相关，因而可描述时间序列的持续性和波动性，对混合模型是很好的改进。Hamilton（1989）将马尔可夫链模型扩展为具有两种状态服从马尔可夫链转换的单变量AR模型，并用此模型分析美国“二战”后经济高增长、低增长两种状态下经济周期的变动。由于马尔可夫状态转换（MS）模型能够准确地捕捉美国经济周期的波动性，自此MS模型在宏观经济、金融市场等领域得到广泛应用。Hamilton的方法是在模型中引入了一个不可观测的状态变量，并且状态之间的变化服从一个离散时间、离散状态的马尔可夫过程。马尔可夫机制转换算法基于时间序列的内在机制转换为马尔可夫过程，通过分析观察到的时间序列，并应用滤波概率和平滑概率来推测内在机制的转换过程。
根据Hamilton的马尔可夫转换模型，时间序列y t 不仅取决于t时刻的状态变量s t ，而且取决于t-1 时刻的状态变量s t -1 ，t-2 时刻的状态变量s t-2 ，…，t-j时刻的状态变量s t -j 。因此，马尔可夫机制转换模型可以表示如下：
其中
。y
t
是所研究的时间序列；μ
s t
代表t时刻所处状态下的均值，它在不同的状态下有不同的值；
服从正态分布，其均值为 0，方差
随状态变量而变化；状态变量s
t
假设服从一阶马尔可夫过程，那么转移概率P
ij
就可表示为：
简单地说，一个马尔可夫机制转换模型由两部分构成：第一部分是状态过程，由不可观察的状态路径组成；第二部分是均值方程，在同一状态下，均值方程中的截距项与方差是常数，但在不同的状态下，这两个值是不同的。在模型的设定中需要首先确定模型的阶数和状态数。对于模型阶数的判断通常的做法是，对原始的时间序列做线性自回归模型，通过AIC准则找出最优的滞后阶数作为模型的阶数。
目前有三种方法用于对马尔可夫机制转换模型的参数估计，分别为Hamilton的极大似然估计法，Hamilton的EM算法，以及Albert和Chib的Gibbs取样算法。一般来说，在模型中有AR项存在时，EM算法很难实施，而Gibbs取样算法则需要很大的运算量。通常选用极大似然算法来估计该模型的参数。