A new approach to model regime switching
区制转换建模的新方法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：摘要以潜在状态和阈值描述时间序列均值与波动率的区制转换。
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
区制转换建模的新方法
- 研究问题
- 如何在时间序列区制转换模型中允许决定区制的潜在状态与观测创新相关，并考察传统外生区制设定是否遗漏内生性？
- 方法与思路
- 作者用自回归潜在因子是否越过阈值决定区制，允许因子与观测序列创新相关，并开发修正的 Markov 转换滤波器。
- 材料陈述的贡献
- 摘要称，潜在因子外生时模型退化为传统 Markov 转换；方法可估计常见均值和波动率模型，所考察结果显示较强的区制内生性。
- 阅读关注点
- 核对潜在因子的动态与阈值规范、内生相关的识别方式，以及修正滤波器如何计算区制概率并估计均值和波动率参数。
- 阅读边界
- 仅据所给出版社摘要，无法确定应用样本、识别条件或内生性强度；作者关于内生性普遍存在的表述仍需结合全文证据判断。
原文摘要
This paper introduces a new approach to model regime switching using an autoregressive latent factor, which determines regimes depending upon whether it takes a value above or below some threshold level. In our approach, the latent factor is allowed to be correlated with the innovation to the observed time series. If the latent factor becomes exogenous, our approach reduces to the conventional Markov switching. We develop a modified Markov switching filter to estimate the mean and volatility models with Markov switching that are frequently analyzed, and find that the presence of endogeneity in regime switching is indeed strong and ubiquitous.