Modeling long cycles
长周期的建模与推断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：摘要以宏观和金融变量的长期随机周期建模及周期长度推断为核心，直接属于时间序列。
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
长周期的建模与推断
- 研究问题
- 对于持续性很强、周期长度占样本跨度较大比例的随机繁荣与衰退周期，如何建模并对周期长度进行有效推断？
- 方法与思路
- 作者提出专门捕捉长随机周期的模型及周期长度推断程序，讨论既有方法的误导风险，并应用于美国宏观与金融变量。
- 材料陈述的贡献
- 摘要称，新程序不因周期长度不同而失去渐近有效性；应用发现信贷和房价周期往往约为商业周期的两倍。
- 阅读关注点
- 应核对长周期的形式化定义、周期长度变化下的渐近框架、排除随机周期的证据，以及金融周期与商业周期比较的不确定性。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；模型形式、样本区间及置信范围未说明，资产市场未发现随机周期的结论不能推广到所有市场。
原文摘要
Recurrent boom-and-bust cycles are a salient feature of economic and financial history. Cycles found in the data are stochastic, often highly persistent, and span substantial fractions of the sample size. We refer to such cycles as “long”. In this paper, we develop a novel approach to modeling cyclical behavior specifically designed to capture long cycles. We show that existing inferential procedures may produce misleading results in the presence of long cycles and propose a new econometric procedure for the inference on the cycle length. Our procedure is asymptotically valid regardless of the cycle length. We apply our methodology to a set of macroeconomic and financial variables for the U.S. We find evidence of long stochastic cycles in the standard business cycle variables, as well as in credit and house prices. However, we rule out the presence of stochastic cycles in asset market data. Moreover, according to our result, financial cycles, as characterized by credit and house prices, tend to be twice as long as business cycles.