Inference on Filtered and Smoothed Probabilities in Markov-Switching Autoregressive Models
马尔可夫转换自回归模型中滤波与平滑概率的推断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：摘要研究马尔可夫转换自回归时间序列，并用 GDP 与实际利率识别经济周期阶段和利率状态，对应时间序列与状态变化。
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…
马尔可夫转换自回归模型中滤波与平滑概率的推断
- 研究问题
- 在马尔可夫转换自回归模型中，如何量化单个时点滤波与平滑状态概率的不确定性，并用置信区间辅助识别经济周期或利率状态？
- 方法与思路
- 作者推导滤波和平滑概率单次推断分布的渐近近似，并以美国 GDP 增长率和实际利率为例，展示状态概率置信区间的用途。
- 材料陈述的贡献
- 摘要称，状态区分更明显、冲击方差更低、序列或状态更持久时，概率的不确定性会下降；实证展示置信区间辅助状态识别。
- 阅读关注点
- 应核对概率渐近近似所依据的样本增长设定、参数估计误差如何进入区间，以及滤波与平滑信息集的差异和状态识别条件。
- 阅读边界
- 摘要未说明区间构造、覆盖率或模型设定检验；状态概率具有不确定性，不能仅凭摘要把经济周期或利率状态视为已被准确识别。
原文摘要
We derive a statistical theory that provides useful asymptotic approximations to the distributions of the single inferences of filtered and smoothed probabilities, derived from time series characterized by Markov-switching dynamics. We show that the uncertainty in these probabilities diminishes when the states are separated, the variance of the shocks is low, and the time series or the regimes are persistent. As empirical illustrations of our approach, we analyze the U.S. GDP growth rates and the U.S. real interest rates. For both models, we illustrate the usefulness of the confidence intervals when identifying the business cycle phases and the interest rate regimes.