Conditional Markov chain and its application in economic time series analysis
条件马尔可夫链及其在经济时间序列分析中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确针对美国宏观时间序列，以条件马尔可夫链区分长期波动率结构变化与短期增长状态切换。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
条件马尔可夫链及其在经济时间序列分析中的应用
- 研究问题
- 如何在宏观时间序列中区分长期波动率结构变化与短期均值增长状态切换，同时描述两类不可观测过程？
- 方法与思路
- 作者令结构遵循马尔可夫过程，给定结构后状态也为马尔可夫过程且转移矩阵随结构变化，形成条件马尔可夫链。
- 材料陈述的贡献
- 摘要称该设定对既有马尔可夫切换模型施加可解释限制，并在美国宏观数据中较好识别短期状态与长期结构变化。
- 阅读关注点
- 应核对结构与状态的区分、转移矩阵限制、参数识别和估计方法，以及长期与短期变化在数据中是否可可靠分离。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，较好识别的评价标准、数据变量和数值结果未说明，不能据此确认唯一识别或普遍适用。
原文摘要
Motivated by the great moderation in major US macroeconomic time series, we formulate the regime switching problem through a conditional Markov chain. We model the long-run volatility change as a recurrent structure change, while short-run changes in the mean growth rate as regime switches. Both structure and regime are unobserved. The structure is assumed to be Markovian. Conditioning on the structure, the regime is also Markovian, whose transition matrix is structure-dependent. This formulation imposes interpretable restrictions on the Hamilton Markov switching model. Empirical studies show that this restricted model well identifies both short-run regime switches and long-run structure changes in the US macroeconomic data. Copyright © 2010 John Wiley & Sons, Ltd.