Memoire Online - Датування циклу p курсів; троле і пр; зір; короткостроковий - Бодлер

2.3 Деякі роботи щодо циклів знайомств

У літературі можна виділити два методи датування економічних циклів: параметричний і непараметричний. Непараметричні методи засновані на алгоритмі, який відстежує еволюцію даних. Найбільш широко використовуваний алгоритм датування - Брай і Босчан (1971) для щомісячних даних та Хардінг та Паган (2001) для щоквартальних даних. Головною перевагою непараметричних методів є простота правил, якими вони користуються. З іншого боку, результати непараметричного датування надійні та не чутливі до змін обсягу вибірки. Ми також можемо порівняти їх для різних баз даних.

циклу

Однак переваги непараметричних методів, які випливають із моїх тверджень про простоту та неспецифічність, викликали багато критики. Так, серед іншого, Гамільтон (2003) 11 заздалегідь відкидає ці непараметричні методи як причину того, що їх можна використовувати для даних, які не мають відношення до даних.

2.3.1 Модель Маркова, що змінює режим

Це модель сімейства параметричних методів для циклів датування. Він знаходить свою теоретичну основу в тому, що багато економічні та фінансові серії демонструють розриви, зокрема, в середньому. Новаторська робота Гамільтона (1989) представила марковські моделі зміни режиму, які інтегрують цей тип нестаціонарності, моделюючи його за допомогою кусочно-лінійного процесу. Передбачається, що досліджувана серія допускає авторегресивне подання, параметри якого змінюються з часом. Еволюція цих параметрів регулюється невидимою якісною змінною (St) t, яка повинна відображати стан економіки. Практична перевага цього типу моделі полягає в тому, що вона дозволяє отримати в будь-який час ймовірність появи ненаблюдаемої змінної. Велика кількість емпіричних робіт пропонує застосування даного типу моделі.

Неспостережувана змінна (St) t моделюється як ланцюг Маркова з K-режимами. Таким чином, для всіх t St залежить лише від S (t-1). Іншими словами, для i, j = 1,2. K,: P (St = j | St-1 = i, St-2 = i.) = P (St = j | St-1 = i) = pij. Ми цього не робимо

11 Цитується Хасадом, М. та співавт.

тут нас цікавлять лише два режими (K = 2): спад (St = 2) і розширення (St = 1). Так звані ймовірності переходу (pij) i, j = 1,2, вимірюють ймовірність збереження режиму та ймовірність переходу від одного режиму до іншого. Імовірності p11 та p22 є мірами стійкості кожного режиму в серії. Вони також використовуються для оцінки середньої тривалості планів. Дійсно, середнє значення та дисперсія тривалості режиму i задані відповідно 1

Yt - це процес MS (2) - AR (p), якщо він перевіряє запис, заданий (1).

Yt = a0, St + a1, StYt_1 + ··· + ap, StYt_p + åt (1)