非线性MS-DSGE模型的条件最优粒子滤波与贝叶斯估计
研究目标:提出线性与非线性MS-DSGE模型的条件最优粒子滤波(COPF)以及参数的贝叶斯估计方法.研究方法:利用MS-DSGE模型状态空间表示的条件线性特征来构造COPF,基于上述算法进一步提出粒子马尔科夫链蒙特卡洛(PMCMC)方法,实现参数的贝叶斯估计.最后构建可变货币政策规则的新凯恩斯理论模型,运用数值模拟方法检验了COPF与参数贝叶斯估计的效果,同时对中国实际数据进行了估计与分析.研究发现:在粒子滤波的低观测误差设定与小样本条件下,模型深度参数的贝叶斯估计结果表现精确,所有参数的真值都在其后验分布的[5％,95％]分位数区间内;实际应用结果显示,中国货币政策存在积极与被动这两种区制,且政策的区制转换会导致价格通胀波动幅度上升1％左右;2011年之后,中国货币政策区制表现的非常稳健,对通胀的响应程度较高.研究创新:提出了非线性MS-DSGE的COPF以及PMCMC方法,从而实现深度参数的贝叶斯估计.研究价值:所构建的粒子滤波与贝叶斯估计方法为一般的MS-DSGE模型提供了实证分析工具,对未来内生区制转换、系统性风险传染等问题的研究奠定了基础.
MS-DSGE模型、粒子滤波、贝叶斯估计、PMCMC
38
F064.1(经济学分支科学)
2021-03-22（万方平台首次上网日期，不代表论文的发表时间）
共21页
160-180
