面板数据中均值多变点和方差多变点的估计

面板数据中的变点问题是金融和计量经济学中的一类重要课题。现将局部形态识别的二元分割算法推广到面板数据上,研究了面板数据中均值多变点和方差多变点的估计问题,同时得到了变点个数及变点位置的估计,证明了估计量的相合性。Monte Carlo模拟表明基于局部形态识别的二元分割算法对这两类变点的估计效果均优于二元分割算法。最后将提出的算法分别应用于不同的股市周指数数据,说明了算法的有效性。

面板数据中方差多变点的估计

在计量经济学中,方差的变化意味着某种风险的变化,研究面板数据的方差变点可以有效地把控风险。文章基于拟最大似然型估计量和CUSUM型估计量对面板数据中的方差变点进行了估计,并结合二元分割法将其推广到多变点情形。蒙特卡洛模拟表明,基于拟最大似然型估计量的估计效果要优于CUSUM型估计量。通过应用人民币汇率数据说明了两种方法的有效性。