【摘要】：当VAR系统含有机制转换效应时，VAR模型参数便有了时变特征。我们使用st代表不同的区制，N代表区制数目，因此有st∈｛1，2，…，N｝，时间序列yt的条件概率密度函数可由下式得出：Yt-1为观测值表示外生变量，γn是状态n下VAR系统的参数。因此，对于给定状态st，MSIAH-VAR模型为如下形式：假定不可观测的状态变量st服从不可约的遍历N状态马尔科夫过程。
当VAR系统含有机制转换效应时，VAR模型参数便有了时变特征。但处于具体某个不可观测的机制内部时，参数是恒定不随时间改变的。我们使用st代表不同的区制，N代表区制数目，因此有st∈｛1，2，…，N｝，时间序列yt的条件概率密度函数可由下式得出：
Yt-1为观测值
表示外生变量，γn是状态n下VAR系统的参数。通过设定模型均值（M），截距（I），自回归项参数（A）或者残差方差（H）是否具有机制转换特征，可得数种模型设定形式，如MSM，MSIH，MSIAH（Guidolin and Timmermann，2006；Ang and Timmermann，2011）等。因此，对于给定状态st，MSIAH-VAR（1）模型为如下形式：
假定不可观测的状态变量st服从不可约的遍历N状态马尔科夫过程。由状态i转为状态j的概率为：
我们有以下转换矩阵：
若为三元MSIAH-VAR系统，则其矩阵形式的表达式为：(www.xing528.com)
其中FEDt，Liquidityt以及Vt分别为我们假定的VAR系统中的3个变量。式（6.25）中残差项的方差-协方差矩阵为：
基于状态st和过去信息的yt的条件分布如下：
最大似然函数可写为如下形式：
其中T为样本观测数。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
