马尔可夫区制转换向量自回归模型

金融脱媒对我国货币政策调控的影响分析雷锐（华南理工大学经济与贸易学院，广东广州510006）摘要：金融脱媒现象伴随着金融市场的发展而出现，会对货币政策的调控效果产生影响。

文章构建了金融脱媒指标，对我国的金融脱媒程度进行测度，并运用结构向量自回归SVAR模型分析了金融脱媒对货币政策调控的影响。

结果显示，在数量型货币调控下，金融脱媒会弱化基础货币对M2的调控，提高基准利率对M2的调控；在价格型货币调控下，金融脱媒会弱化行政调控效果，但会增强市场化调控效率。

基于研究结论，文章提出了相关政策建议。

关键词：金融脱媒；SVAR模型；数量型货币调控；价格型货币调控近年来，我国金融体制的改革不断推进，多层次资本市场发展迅速，各种形式的金融创新层出不穷。

金融体系的变革促进了社会融资结构的改变，加速了金融脱媒的发展，使得实体经济开始绕开传统银行类金融中介，直接通过非银类中介或资本市场进行融资。

金融脱媒对我国以间接融资为主导的融资结构产生冲击，同时也影响着货币传导机制和货币调控模式。

基于此，本文将首先介绍现有文献对于金融脱媒的测度及其与货币政策关系的主要研究结论，随后利用社会融资规模指标构建金融脱媒指数，测度我国金融脱媒的程度，在此基础上使用结构向量自回归（SVAR）模型分析金融脱媒对我国货币政策数量型调控和价格型调控两种调控模式的影响并形成基本结论，最后提出相关政策建议。

一、相关研究文献评述Hester（1969）最早将资金不通过传统银行类中介机构而直接通过其他类金融机构以及金融市场进行配置的现象称之为金融脱媒，Harmes（2001）及Tan和Goh（2009）等也做了类似的描述。

国内学者李杨（2007）对于金融脱媒的定义被使用的较为广泛，他认为金融脱媒就是资金的供给者和需求者直接进行资金交易而不再需要通过银行等金融中介进行供需配置的现象。

从文献中对于金融脱媒的定义描述可以看出，要研究该现象则需要对其进行测度，这一类的研究重点是构建金融脱媒的衡量指数；另一方面金融脱媒现象必定会对金融市场造成影响，而金融市场是处于中央银行与实体经济之间的中间环节，因此研究金融脱媒与货币政策之间关系则成了另一个重要的研究方向。

马尔科夫区制转移向量自回归模型（Markov Regime-Switching Vector Autoregressive Model，简称MS-VAR）是一种经济时间序列分析模型，用于描述具有多个状态的变量之间的动态关系。

在MS-VAR模型中，时间序列被假设为处于不同状态或区域的马尔科夫过程。

每个状态对应着一组特定的方程参数和误差项，用于描述该状态下的变量之间的关系。

当状态发生变化时，模型会自适应地调整参数。

MS-VAR模型的核心是向量自回归（VAR）模型，它建立了变量之间的线性关系。

VAR模型是基于当前时刻的变量值和过去若干个时刻的变量值来预测未来时刻的变量值。

通过引入马尔科夫过程，MS-VAR模型可以根据当前状态选择适当的VAR模型，并进行状态转移。

通常，MS-VAR模型的参数估计和推断是基于最大似然估计等统计方法进行的。

这些方法可以通过观察已有的时间序列数据来确定模型的参数，并使用这些参数进行预测和分析。

MS-VAR模型在经济学、金融学等领域广泛应用，特别是在研究经济周期、金融市场波动和政策效果等方面具有重要意义。

它可以捕捉到时间序列数据中的非线性关系和变化模式，提供更准确的预测和解释。

需要指出的是，MS-VAR模型是一种复杂的统计模型，对于参数估计和解释需要一定的专业知识和技术。

在应用中，合理选择模型的状态数和期望的状态转移动态，以及进行模型诊断和验证等步骤也是重要的。

因此，在具体应用中，建议寻求专业人士的指导和支持。

试析税收对经济增长的非线性效应随着经济全球化趋势的出现，国际经济形势十分多变，这对我国的经济造成了很大的影响。

为了保证我国经济的稳定运行，政府必须及时采取相关措施，对我国的宏观调控进行相应的处理，从而保证我国经济的稳定运行。

税收政策是我国政府宏观调整的主要手段。

目前对于税收政策的研究很少涉及非线性的研究。

税收与经济增长存在着密切的联系，只有经济增长了，税收的规模才能增长，并且税收通过税率及税种等要素来调节市场主体的各种利益，从而影响经济的发展。

一、非线性效应理论凯恩斯主义认为，在经济萧条的环境之下，政府利用扩张性财政政策刺激投资与消费，增加生产，但是若是在经济繁荣时期，便会使用经济紧缩的政策来控制物价的上涨。

然而税收的非线性效应则不同，主要是指在争锋的税收政策中，不仅仅存在凯恩斯主义，同时也存在相应的非凯恩效应。

也就是说，在特殊的条件下，政府的减税措施将会对经济变量产生紧缩效果与影响，同时一些增税的措施将会给经济变量带来扩张或者是发生效应。

在一定的时期内，税收政策存在非线性效应，在此阶段，政府必须实行顺应周期的税收政策。

二、税收对经济增长非线性效应的模型设定在经济增长的研究活动中，主要是利用区域转移模型及马尔科夫模型进行经济行为的分析，这种模型能够在不同的区域内选取不同的参数值，并且能够在信息给定的前提下有效确定一个区域之中的概率，从而有效转移模型来适当描述持续性的变量动态变化过程。

相关的研究学者在区域转移模型的基础上进行研究，提出了区域转移向量自回归模型。

这是一种典型的非线性模型，并且能够与传统的模型相互结合，之所以能够构建模型，主要是因为能够根据变量的改变，并且能够在不同的阶段进行转移。

利用相应的矩阵来描述区域转移向量自回归模型为Y=v（S）+A（S）yt-1+……+Aq（S）yt-n+ut式中，y为观测的时间顺序，v（S）为相关的常数，q为滞后的阶数，并且其中的数值主要根据信息的准则来确定，A（S）及Aq（S）为变量的系数矩阵。

马尔可夫区制转换向量自回归模型马尔可夫区制转换向量自回归模型（Vector Autoregression Model with Markov Regime Switching, VAR-MS），结合了马尔可夫区制转换模型和向量自回归模型的特点，可用于对多变量时间序列数据进行建模和预测。

传统的向量自回归模型（Vector Autoregression Model, VAR）假设观测数据具有平稳性，且变量之间的关系是线性的。

然而，在实际的金融、经济和社会领域中，经常会出现时间序列数据在不同时间段呈现不同的模式或状态，如金融市场的牛熊转换、经济周期的波动等。

为了更准确地捕捉这种转变过程，VAR-MS模型引入了马尔可夫区制转换的思想。

马尔可夫区制转换是指时间序列数据的状态在不同的时间段随机地发生转换。

这种转换可以用马尔可夫链来表示，其中每个时间段被定义为一个状态，而状态之间的转换概率由状态转移矩阵表示。

在VAR-MS模型中，时间序列数据被整体分为多个区域，并假设每个区域内的数据服从一个固定的向量自回归模型。

根据当前的状态，根据转移概率矩阵，模型会在不同的区域之间进行切换。

VAR-MS模型可以用以下的数学表达式表示：Y_t = μ_Z + A_ZY_{t-1} + ε_t其中，Y_t是一个n维向量，表示时间t时刻的观测数据；μ_Z是一个n维向量，表示在状态为Z时的截距项；A_Z是一个n×n的矩阵，表示在状态为Z时的系数矩阵；ε_t是一个n维向量，表示误差项，满足ε_t ∼ N(0, Σ_Z)，其中Σ_Z是在状态为Z时的协方差矩阵。

VAR-MS模型的参数估计通常采用最大似然估计或贝叶斯估计方法。

在实际应用中，首先需要通过一些判别方法（如似然比检验或信息准则）来确定马尔可夫区制转换的状态数。

然后，使用EM算法或Gibbs采样等方法来估计模型的参数和状态序列。

VAR-MS模型在金融和经济领域具有广泛的应用。

我国货币政策对房地产价格的非线性效应分析--基于MS-VAR模型的实证分析许远明;董勐;张纯博【摘要】通过建立三区制下的MSVAR模型，研究了货币量、市场利率、信贷余额和汇率对房地产价格的非线性影响。

研究表明：各经济时期的区制转移特征明显，而扩张性的货币政策比收缩性货币政策更难发挥效果。

经济扩张期下，利率政策能较好抑制房价；经济稳定期下货币供应量的稳定房价效果最好；而经济衰退期下前两种措施均失效，信贷渠道能发挥更大的作用。

%The thesis discusses the nonlinear effect of real estate’ s price which is caused by cur-rency market, invest rates, credit line and exchange by establishing a MSVAR model of three re-gimes. The results indicate that the feature of transferred regime is evident during each economic period, but the expansionary monetary policy works worse compared with constringent monetary policy. The interest rates policy inhibits to real estate’ s price effectively during economic upturns, while currency supply is more serviceable when economic steady period. Both the two policies are invalid during economic downturns, and credit policy works better.【期刊名称】《科学决策》【年(卷),期】2016(000)010【总页数】12页(P63-74)【关键词】货币政策;房地产价格;MSVAR模型;非线性效应【作者】许远明;董勐;张纯博【作者单位】重庆大学建设管理与房地产学院;重庆大学建设管理与房地产学院;重庆大学建设管理与房地产学院【正文语种】中文【中图分类】F822.1货币政策是国家对房地产市场进行宏观调控的重要手段。

能源消费与金融发展作者：刘剑锋黄敏来源：《贵州财经学院学报》2014年第01期摘要：运用马尔科夫转移向量自回归模型（MS-VAR）研究中国近30年期间能源消费与金融发展之间的相互关系。

相比于传统的线性关系前提下的研究，此方法可以观测到两个变量之间的动态变化关系，即能源消费与金融发展的相互关系会随着区制的不同而不同。

研究表明，能源消费在区制2和区制3都显著影响金融发展，而金融发展只在区制3会显著影响能源消费。

同时在非线性框架下，能源消费与金融发展不存在显著的格兰杰因果关系。

关键词：能源消费；金融发展；马尔科夫转移向量自回归模型；因果检验文章编号：2095-5960（2014）01-0007-07中图分类号：F062.2文献标识码：A一、背景国际能源署报告（2009）指出，中国现在已经成了最大的碳排放国，占到了2009年全球排放量的24.2%，而其中能源消费相关的碳排放又占到61.4%（BP，2010）。

所以能源消费问题已经不仅仅是我国经济生活的大问题，也是关系到中国国际形象的国际性问题。

研究能源消费问题的核心，不应该是简单的讨论降低能源消费。

因为能源消费不是一个孤立的经济指标，往往和经济生产、居民生活、国防建设等方方面面有着紧密的联系。

如果采取一刀切的行政手段，强迫企业或者居民等能源消费单位降低能源消费，所带来的不利影响可能很大。

同样，很多貌似与能源消费没有直接关系的经济行为也可能给能源消费带来显著影响，比如国际贸易、金融发展等。

因此，研究能源消费对相关经济行为的影响，以及哪些经济行为会影响能源消费都是非常重要的内容。

目前关于能源消费的研究文献中，以研究能源消费与经济增长、经济结构和对外贸易等方面的协整关系为主流。

其中又以能源消费与经济增长为最核心的研究内容，其主要研究内容可以归纳为4个主要方面：增长假说、保护假说、回馈假说和中性假说。

现在有越来越多的学者认为，传统的能源消费与经济增长研究中没有把金融发展从经济增长中独立出来作为单独的重要因素进行研究，限制了人们对金融发展与能源消费关系独特性的认识。

我国财政政策的非对称效应一、引言改革开放以来，我国一直在把财政政策作为一种常用的宏观调控手段，根据各时期经济形势的不同，采取了不同类型的财政政策，在实际运行过程中效果显著。

目前，财政政策已经成为了我国间接调控经济的重要手段。

1998 年亚洲金融危机重创了我国经济，为应对危机，我国从1998 - 2004 年一直采取积极的财政政策，而后转化成稳健的财政政策。

2008 年金融危机后，我国政府又酝酿了新一轮的积极财政政策，再次成功消除了我国经济可能陷入衰退的风险，该政策一直延续至今。

为什么每当经济面临危机时，或者经济增长处于下滑阶段，我国都采取积极的财政政策进行应对，其背后的依据和原理值得我们深思和探索。

国内外学者对财政政策与经济周期之间的关系进行过大量的研究。

Sorensen B E 和 Yosha 0（ 2001）证实了财政政策存在非对称效应，而这种效应主要是由政府部门需要遵循预算平衡所导致的。

Tagkalakis A （ 2008）利用面板数据验证了财政政策在经济下滑阶段和繁荣阶段对个人消费效应的非对称性，且财政政策在经济下滑阶段刺激效果更好。

蔡江南（ 1990）通过对我国 20世纪 50 年代到 80年代的数据进行研究（赤字情况）发现，我国财政收入对国民收入的作用效果要小于财政支出对国民收入的作用效果，政府若想达到增加国民收入的效果，扩大支出甚至增加赤字的办法要优于调节税收等方法。

刘金全和梁冰（2005）通过VAR 模型检验财政政策的非对称效应后得出结论：当经济处于低潮时期，财政政策的反经济周期性质更加突出。

郭庆旺等（2006）利用面板模型分析了积极财政政策转向稳健财政政策对宏观经济的影响，进而利用增长核算法探讨了我国应采取何种方式的稳健财政政策以确保政策具有可持续性，他们认为，由于我国财政收入政策存在显著的“非凯恩斯效应”，因此，实施以增收为主要方式的稳健财政政策不会对宏观经济产生负面效应，所以应实施增加财政收入为主，且尽量保持财政收支同步增长的财政政策。

马尔可夫区制转移arma模型马尔可夫区制转移(ARMA)模型是一种经济和金融时间序列分析常用的模型。

它的基本思想是通过分析当前时间点和过去时间点的关系，来预测未来时间点的值。

ARMA模型的构建基于两个关键概念：自回归(AR)和移动平均(MA)。

马尔可夫区制转移(AR)模型通过分析过去时间点对当前时间点的影响来预测未来时间点。

它基于一个假设，即未来的值是过去值的线性组合。

如果我们用Y表示时间序列的观测值，AR模型可以表示为：Y_t = c + φ_1 * Y_t-1 + φ_2 * Y_t-2 + ... + φ_p * Y_t-p + ε_t其中，Y_t是时间点t的观测值，c是常数，φ_1, φ_2, ...,φ_p是参数，p是模型的延迟数量，ε_t是误差项。

当p等于1时，AR模型称为AR(1)模型；当p等于2时，AR模型称为AR(2)模型，依此类推。

移动平均(MA)模型是用来描述观测值与白噪声误差项的线性组合之间的关系。

MA模型的基本假设是，当前时间点的观测值是过去时间点的误差项的线性组合。

如果我们用Y表示时间序列的观测值，MA模型可以表示为：Y_t = μ + ε_t + θ_1 * ε_t-1 + θ_2 * ε_t-2 + ... +θ_q * ε_t-q其中，Y_t是时间点t的观测值，μ是均值，ε_t是误差项，θ_1, θ_2, ..., θ_q是参数，q是误差项的延迟数量。

当q等于1时，MA模型称为MA(1)模型；当q等于2时，MA模型称为MA(2)模型，依此类推。

ARMA模型将AR和MA模型结合起来。

ARMA(p, q)模型可以表示为：Y_t = c + φ_1 * Y_t-1 + φ_2 * Y_t-2 + ... + φ_p * Y_t-p + ε_t + θ_1 * ε_t-1 + θ_2 * ε_t-2 + ... + θ_q * ε_t-qARMA模型可以通过最小二乘法或极大似然法来估计参数。

马尔可夫机制转换模型马尔可夫机制转换模型，也称为马尔可夫链模型，是一种用来对随机过程进行建模的数学工具。

这种模型被广泛应用在各种领域，例如文本处理、遗传学、金融、生物学等等。

本文将介绍马尔可夫机制转换模型的理论基础、应用场景、实现方法以及优缺点等内容。

一、理论基础马尔可夫机制转换模型是基于马尔可夫性质构建的，这个性质描述的是，某个系统或过程的未来状态只取决于当前状态，而不受过去状态的影响。

因此，马尔可夫模型可以使用概率来描述转移矩阵，表示系统由一个状态转移到另一个状态的概率，也就是状态之间的关系。

对于一个含有n个不同状态的系统，它的状态可以用一个向量表示，例如：$x = (x_1, x_2, ..., x_n)$。

假设当前状态为$t_i$，那么它有可能转移到$t_j$，即$t_i \rightarrow t_j$的概率可以表示为$P_{i,j}$。

这样，我们可以用一个n x n的矩阵来表示这些概率。

这种转移矩阵的特点是，每个元素都是非负的且所有行的和为1。

这种矩阵的性质将在后面的应用场景中得以体现。

二、应用场景马尔可夫机制转换模型的应用场景非常广泛，下面介绍一些常见的应用场景：1. 文本处理文本处理是马尔可夫模型最常见的应用之一。

在文本处理中，每个单词都可以被看作是状态空间的一部分。

例如，一个由“the”、“cat”、“is”、“on”、“the”、“mat”组成的句子，可以表示为“the”，“cat”，“is”等状态。

整个句子可以用马尔可夫模型来建模，其中每个状态之间的转移概率可以表示为单词出现的频率。

2. 金融马尔可夫模型也可以用于金融领域。

例如，投资者在进行股票交易时需要考虑一定的风险。

马尔可夫模型可以用来预测不同股票价格之间的关系，从而帮助投资者做出更好的决策。

3. 生物学生物学中的马尔可夫模型主要用于分析DNA序列的演化过程。

生物学家可以通过比较不同生物体系之间的DNA 序列，研究它们的进化关系。

湖南社会科学2013/3基于M S-VA R模型的金融风险预警研究X□张　强　赵继鸿摘　要:本文基于M S-V AR模型预警金融风险,将金融风险划分为低风险、中风险、高风险三个维度,通过检验历史数据,运用模型在币值稳定、银行风险、资产价格风险三个维度上预警金融风险程度。

多指标下的M SI-V AR模型在预警金融风险方面与实际情况能较好地吻合,对货币当局在适当时机选择合适的货币政策工具提供了依据。

关键词:金融风险　M SV AR模型　危机预警中图分类号:F830　文献标识码:A　文章编号:1009-5675(2013)03-117-05 2007年美国发生的次贷危机对世界经济产生了巨大影响,对各国货币政策的制定与实施也产生了深远影响。

当前,如何预警金融风险,以便在适当时机实施货币政策成为货币当局关注的焦点问题。

显然,时机的选择对货币政策决策至关重要,而金融风险预警机制则是判断货币政策决策时机的一种行之有效的方法。

金融风险预警通过运用以往经济数据预测经济可能发生的危机,进而促使货币当局实施前瞻性经济政策,避免经济危机的发生及恶化。

一、M S-V AR模型设定K ro lzing H-M(1997)提出的马尔科夫区制转换的向量自回归模型(M ar kov-Switching V ector A utor egr ession, M S-VA R)能较好地解决金融时间序列数据时间段的划分。

M S-V A R可以看作是基本有限价V A R(P)模型的一般化形式,考虑如下这个n维时间序列构成向量y t=(y1t,…,y nt)′的p阶自回归过程:y t=T+A1y t-1+…+A p y t-p+L t(1)其中,t=1,…,T,L t～N(0,1),y0,…,y t-p均为既定值。

假如误差项L t是完全服从正态分布,那么方程(1)就是稳态高斯V A R(p)模型的截距形式,可将其表示为如下的均值调整形式:y t-L=A1(y t-1-L)+…+A p(y t-p-L)+L t(2)其中,L=I n-∑pj=1A j-1,T是y t的n×1维均值。