如何建立MSIH-AR(另外一種形式的馬爾可夫轉(zhuǎn)換自回歸)模型

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問(wèn)題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

整個(gè)eviews或者是python建立的模型應(yīng)該仿照了Hamilton（1989）的模型(這個(gè)是python建立馬爾可夫自回歸模型的鏈接https://www.statsmodels.org/stable/examples/notebooks/generated/markov_autoregression.html，這個(gè)是eviews對(duì)應(yīng)的參考鏈接https://www.eviews.com/help/helpintro.html#page/content/switching-Estimating_Switching_Regressions_in_EViews.html)由Hamilton（1989）引入的馬爾可夫轉(zhuǎn)換自回歸模型是一個(gè)非線性時(shí)間序列模型，允許數(shù)據(jù)生成過(guò)程中存在不同的制度或狀態(tài)。該模型可以表示為： $$y_t = \mu_{s_t} + \phi_1 (y_{t-1} - \mu_{s_t-1}) + \phi_2 (y_{t-2} - \mu_{s_t-2}) + \phi_3 (y_{t-3} - \mu_{s_t-3}) + \phi_4 (y_{t-4} - \mu_{s_t-4}) + \varepsilon_t$$ 其中$y_t$是觀測(cè)變量，$\mu_{s_t}$是制度特定的均值，$\phi_i$是自回歸系數(shù)，$\varepsilon_t$是誤差項(xiàng)
但是我想建立的MSIH-AR模型的方程沒(méi)有制度特定的均值，我需要引入regime specific的截距以及誤差項(xiàng)的異方差。方程的形式如下，有人知道使用eviews, python, matlab, R或者是其他編程語(yǔ)言(軟件)如何實(shí)現(xiàn)嗎?
$$\begin{align} y_t = a_{S_t} + + \phi_1 y_{t-1} + \dots + \phi_p y_{t-p} + \varepsilon_t \\ \varepsilon_t \sim N(0, \sigma_{S_t}^2) \end{align}$$

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏0 回帖

關(guān)鍵詞：如何建立 馬爾可夫 MSI 自回歸 Regressions 馬爾可夫轉(zhuǎn)換模型 時(shí)間序列分析 MSIH-AR模型 python eviews