ترجمه مقاله بررسی مدل های اتورگرسیون برداری مارکف سویچینگ

دانلود مقاله انگلیسی رشته صنایع فیلتر هامیلتون مارکف سوئیچینگ مارکف سویچینگ مدل اتورگرسیون برداری مارکف سویچینگ مدل اتورگرسیون برداری مارکف سویچینگ وابسته طول زمان مقاله ترجمه شده مهندسی صنایع نرم افزار برنامه کاربردی نمونه گیری گیبز وابسته زمان word duration dependent markov switching اتورگرسیون برداری استنباط بیزی ترجمه فارسی مقالات مهندسی صنایع ترجمه مقالات لاتین ترجمه مقاله بررسی مدل اتورگرسیون برداری مارکف سویچینگ چرخه کسب کار خصوصیات دانلود ترجمه مقاله

عنوان اصلی: Duration Dependent Markov-Switching Vector Autoregression: Properties, Bayesian Inference, Software and Application

ترجمه عنوان: مدل اتورگرسیون برداری مارکف سویچینگ وابسته به طول زمان: خصوصیات، استنباط بیزی، نرم افزار و برنامه کاربردی

موضوع: مهندسی صنایع

فرمت فایل: WORD (قابل ویرایش)

تعداد صفحه: ٢٧

چکیده

مدل های اتورگرسیون برداری مارکف سویچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR ( انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR ، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.

کلیدواژه: مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری

مقدمه

از زمان بررسی های مقدماتی هامیلتون (١٩٨٩)، بسیاری از کاربردهای مدل اتورگرسیون برداری مارکف سویچینگ (MS-AR) برای تحلیل چرخه کسب و کار به اثبات پتانسیل های خود، به ویژه در آشنایی این سیکل به صورت هدفمند، پرداخته است. با این وجود، مدل اصلی MS-AR محدودیت هایی دارد: ١) به صورت یک متغیره می باشد، ٢) احتمال تغییر از یک حالت به حالت دیگر ( یه به موارد دیگر) با گذشت زمان ثابت می باشد،

٣) قادر به ایجاد طیف هایی با نقطه ماکزیمم در فراوانی چرخه کسب و کار نمی باشد. از ان جایی که چرخه های کسب و کار بر مبنای نوسانات فعالیت های اقتصادی انبوه می باشد، مد نظر قرار دادن همزمان بسیاری از متغیرهای اقتصادی کلان ١) به صورت نقطه ضعف قابل اقماض نمی باشد. تعمیم چندمتغیره مدل MS توسط کرولزینگ (١٩٩٧) در رساله ممتاز او در مورد مدل MS انجام شده است.

همان طور که در مورد ٢ بیان شد، منطقی است تا بر این باور باشیم که احتمال خارج شدن از رکود مشابه ابتدای این فرایند بعد از چندین ماه نمی باشد. بعضی از محققان همانند دیبولد و رودباش (١٩٩٠)، دیبولد و همکارانش (١٩٩٣) و واتسون (١٩٩۴) شواهدی را در مورد وابستگی در طول مدت در چرخه کسب و کار ایالات متحده یافته اند و بنابراین دیبولد و همکارانش (١٩٩٣) اشاره می کنند که، نتایج مدل MS استاندارد، در این چارچوب نامشخص می باشد. برای روبرو شدن با این محدودیت، دورلند، مک کاردی (١٩٩۴) به معرفی اتورگرسیون مارکف سوئیچینگ یک متغیری وابسته به مدت زمان پرداخته اند، و فیلترهای دیگری را برای متغیر حالت غیرقابل مشاهده طراحی کرده اند. در مقاله کنونی، مدل سوئیچینگ وابسته به مدت زمان به صورت چندمتغیره تعمیم داده شده است، و نشان داده شده است که چگونه ابزارهای استاندارد مربوط به مدل MS-AR همانند فیلتر هامیلتون و صافی کیم، برای مدل سازی وابستگی به مدت زمان مورد استفاده قرار می گیرند. در واقع فیلتر مطرح شده توسط دورلاند و مک کاردی(١٩٩۴) مشابه فیلتر هامیلتون می باشد که برای زنجیره مارکف کلی تر نشان داده شده است. درحالیکه دورلاند و مک کاردی (١٩٩۴) استنباط شان را در مورد مدل با بکارگیری براورد احتمالی حداکثر انجام داده اند، تکیه ما بر روی استنباط بیزی با استفاده از تکنیک مونت کارلو زنیره مارکف (MCMC) می باشد.

دانلود «ترجمه مقاله بررسی مدل های ...»