BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Kośko Monika (Wyższa Szkoła Informatyki i Ekonomii w Olsztynie), Stempińska Joanna (Uniwersytet Warmińsko-Mazurski w Olsztynie), Kwiecień Marta (Uniwersytet Warmińsko-Mazurski w Olsztynie)
Title
Przełącznikowe modele Markowa (MS) - charakterystyka i sposoby zastosowań w badaniach ekonomicznych
Markov switching models MS - characteristics and methods of application in economic research
Source
Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2016, nr 40, s. 479-490, bibliogr. 42 poz.
Issue title
Rynki usług cyfrowych : uwarunkowania, trendy, metody
Keyword
Modele Markowa, Łańcuch Markowa, Model przełącznikowy, Cykl koniunkturalny
Markov models, Markov chain, Switching model, Business cycles
Note
streszcz., summ.
Abstract
Przełącznikowe modele Markowa (Markov Switching Models - MS) są narzędziem wykorzystywanym często do analizy procesów ekonomicznych charakteryzujących się występowaniem pewnych stanów (reżimów). Modele przełącznikowe należą do klasy modeli nieliniowych, w których proces generujący zmiany stanu jest nieobserwowalny, możliwe jest jednak wyróżnienie stanów o jednorodnych cechach. Przyjmuje się, że prawdopodobieństwa przejścia pomiędzy stanami są stałe w czasie. Modele MS pozwalają na opisywanie szeregów charakteryzujących się regularnością zmienności w czasie, tzn. szeregów, w których występują okresy zwiększonej i zmniejszonej zmienności bądź szybsze i wolniejsze wzrosty. Estymacja modeli MS nie jest łatwym zagadnieniem. Wykorzystuje się w tym celu metodę największej wiarygodności. Powszechnie stosowanym algorytmem maksymalizacji funkcji wiarygodności jest algorytm EM (expectations maximization). (fragment tekstu)

The paper presents the characteristics of Markov switching models (MS), their types, estimation method, and various methods of their application in economic research. MS models are a practical tool that is used in the analysis of economic processes characterised by the occurrence of certain states (regimes). MS models allow to describe series characterised by regular volatility over time, for example series in which there are periods of increased and decreased variability or faster and slower growth. The purpose of this article is to draw attention to the fact that Markov switching models are essential tools in modelling and forecasting such important economic issues as business cycles and time series of the financial market.(original abstract)
Accessibility
The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business
Full text
Show
Bibliography
Show
  1. Bartkowiak M., Wycena opcji na indeks WIG20 na podstawie modeli GARCH z przełączeniami reżimów, "Acta Universitatis Nicolai Copernici" 2009, vol. 39, s. 197-206.
  2. Baum L. E., Petrie T., Soules G., Weiss N., A maximization technique occurring in the statistical analysis of probabilistic functions of Markov chains, "Annals of Mathematical Statistics" 1970, vol. 41, s. 164-171.
  3. Broyden C. G., The Convergence of a Class of Double-rank Minimization Algorithms, "Journal of the Institute of Mathematics and Its Applications" 1970, vol. 6, s. 76-90.
  4. Burns A. F., Mitchell W. C., Measuring Business Cycles, NBER, New York 1946.
  5. Cai J., A Markov model of unconditional variance in ARCH, "Journal of Business and Economic Statistics" 1994, vol. 12, s. 309-316.
  6. Chen F., Diebold F. X., Schorfheide F., A Markov-switching multifractal inter-trade duration model, with application to US equities, "Journal of Econometrics" 2013, vol. 177, s. 320-342.
  7. Coslett S. R., Lee L.-F., Serial correlation in discrete variable models, "Journal of Econometrics" 1985, vol. 27, s. 79-97.
  8. Davidson J., Forecasting Markov-switching dynamic, conditionally heteroscedastic processes,"Statistic and Probability Letters" 2004, vol. 68, s. 137-147.
  9. Dempster A. P., Laird N. M., Rubin D. B., Maximum Likelihood from incomplete data via the EM Algorithm, "Journal of the Royal Statistical Society" 1977, vol. 39.
  10. Doman M., Doman R., Ekonometryczne modelowanie dynamiki polskiego rynku finansowego,Wydawnictwo Akademii Ekonomicznej, Poznań 2004.
  11. Dueker M. J., Markov Switching in GARCH Processes and Mean Reverting Stock Market Volatility, "Journal of Business and Economic Statistics", 1997, vol. 15, s. 26-34.
  12. Evans M. K., Macroeconomic activity: Theory, Forecasting and Control, Harper Collins, New York 1969.
  13. Fic T., Cykl koniunkturalny w Polsce. Wnioski z modeli Markowa, w: Metody ilościowe w naukach ekonomicznych, red. A. Welfe, Oficyna Wydawnicza SGH, Warszawa 2007.
  14. Fletcher R., Practical Methods of Optimization, John Wiley & Sons, New York 1987.
  15. Goldfeld S. M., Quandt R. E., A Markov model for switching regressions, "Journal of Econometrics" 1973, vol. 1, s. 3-16.
  16. Gray S. F., Modeling the conditional distribution of interest rates as a regime-switching process, "Journal of Finance Economics" 1996, vol. 42, s. 27-62.
  17. Hamilton J. D., A new approach to the economic analysis of nonstationary time series and the business cycle, "Econometrica" 1989, vol. 57, s. 357-384.
  18. Hamilton J. D., Analysis of time series subject to changes in regime, "Journal of Econometrics" 1990, vol. 45, s. 39-70.
  19. Hamilton J. D., Rational-expectations econometric analysis of change in regime: An investigation of the term structure of interest rates, "Journal of Economic" 1988, vol. 12, s. 385-423.
  20. Hamilton J. D., Time Series Analysis, Princeton University Press, New Jersey 1994.
  21. Hamilton J. D., What's Real About the Business Cycle?, NBER Working Paper 2005, vol. 11161.
  22. Hamilton J. D., Lin G., Stock market volatility and the business cycle, University of California at San Diego, Economics Working Paper Series 96-18, Department of Economics, UC San Diego 1996.
  23. Hamilton J. D., Susmel R., Autoregressive conditional heteroskedasticity and changes in regime,,,Journal of Econometrics" 1994, vol. 64, s. 307-333.
  24. Janczura J., Pricing electricity derivatoves within a Markov regime-switching model, "Mathematical Methods of Operations Research" 2014, vol. 79 (1), s. 1-30.
  25. Janczura J., Weron R., An empirical comparison of alternate regime-switching models for electricity spot prices, "Energy Economics" 2010, vol. 32 (5), s. 1059-1073.
  26. Janczura J., Weron R., Efficient estimation of Markov regime-switching models: An application to electricity wholesale market prices, "Advances in Statistical Analysis" 2012, vol. 96 (3), s. 385-407.
  27. Kim Ch.-J., Dynamic linear models with Markov-switching, "Journal of Econometrics"1994, vol. 60, s. 1-20.
  28. Klassen F., Improving GARCH Volatility Forecasts with Regime-Switching GARCH, "Empirical economics" 2002, vol. 27, s. 363-394.
  29. Kośko M., Modelowanie polskiego cyklu koniunkturalnego z wykorzystaniem przełącznikowego modelu typu Markowa (Markov switching). Modelowanie i prognozowanie gospodarki narodowej, "Prace i Materiały" Wydziału Zarządzania Uniwersytetu Gdańskiego, z. 4/2, Sopot 2009.
  30. Kośko M., Przełącznikowe modele typu Markowa w analizie procesów makroekonomicznych i finansowych w Polsce, praca doktorska, UMK w Toruniu, 2008.
  31. Krolzig H.-M., Econometric Modelling of Markov-Switching Vector Autoregressions using MSVAR for Ox, Institute of Economics and Statistics and Nuffield College, Oxford 1998.
  32. Krolzig H.-M., Markov-switching procedures for dating the Euro-zone business cycle, "Quarterly Journal of Economic Research" 2001, vol. 3, s. 339-351.
  33. Krolzig H.-M., Markov-Switching Vector Autoregression. Modelling statistical inference and application to business cycle analysis, Springer Verlag Edition, Berlin 1997.
  34. Lindgren G., Markov regime models for mixed distributions and switching regressions,"Scandinavian Journal of Statistics" 1978, vol. 5, s. 81-91.
  35. Neftci S. N., Are economic time series asymmetrics over the businness cycle?, "Journal of Political Economy" 1982, vol. 92, no. 2, s. 307-328.
  36. Podgórska M., Śliwa P., Tobolewski M., Wrzosek M., Łańcuchy Markowa w teorii i w zastosowaniach,Oficyna Wydawnicza SGH, Warszawa 2002.
  37. Sclove S. L., Time-series segmentation: A model and a method, "Information Sciences"1983, vol. 29, s. 7-25.
  38. Shanno D. F., Conditioning of Quasi-Newton Methods for Function Minimization, "Mathematics of Computation" 1970, vol. 24, s. 647-656.
  39. Sichel D. E., Inventories and the three phases of the business cycle, "Journal of Business and Economic Statistics" 1994, vol. 12, s. 269-278.
  40. Stawicki J., Wykorzystanie łańcuchów Markowa w analizie rynku kapitałowego, Wydawnictwo UMK, Toruń 2004.
  41. Włodarczyk A., Zawada M., Przełącznikowe modele Markowa dla cen energii elektrycznej na giełdzie energii w Polsce, X Ogólnopolskie Seminarium Naukowe DME,UMK w Toruniu, Toruń 2007.
  42. Włodarczyk A., Zawada M., Przełącznikowy model Markowa jako przykład niestacjonarnego modelu kursu walutowego, IX Ogólnopolskie Seminarium Naukowe DME, UMK w Toruniu, Toruń 2005.
Cited by
Show
ISSN
1232-4671
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu