- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
国际大宗商品价格冲击机制转换与
国际大宗商品价格冲击、机制转换与中国的通货膨胀动态
张天顶 【摘要本文在标准的Philips曲线设定下,通过扩展性研究,考察了包括国际大宗商品价格等在内的多种因素对中国通货膨胀动态的影响作用。本文研究的样本期限涵盖的是1993年1月至2012年6月的中国宏观经济月度数据。在标准线性模型设定以及Markov机制转换模型设定下,本文利用针对全球20种重要的国际大宗商品价格指标的主成分分析结果,进行了深入的实证研究。综合基准实证研究以及扩展性研究,本文的研究结果表明,国际大宗商品的价格变化,在统计意义上显著地影响着中国的通货膨胀动态。
关键词大宗商品价格;机制转换;通货膨胀
一、引言
长期以来,经济学研究者们一直致力于识别出商业周期短期性经济波动的外生性根Kydland和Prescott(1982)的开创性研究,强调了负向的技术冲击
在过去(简称为IMF)的统计数据,最近数2008年,因受国际金融危机影响,大宗商品价格上升趋势出现短暂中断。至2011年年底,全球能源以及金属的平均实际价格约是十年前的三20世纪70年代的高位水平(IMF,2012)。
国际大宗商品价格冲击,很有可能会带来国内整体通货膨胀水平的变化。在这样的情(Espen,Finn和Roman,2011)。本文主要是在国际大宗商品价格变化与中国的通货膨胀动态之间
二、相关文献回顾
国际大宗商品特定的价格形成机制,使得这类商品价格的动态变化具有其特殊性。异(例如,大宗商品)对价格的反应速度要
如果国际大宗商(Boughton和Branson,1992;Moosa,1998)。相关研究者给出上述理论假说的主要依据,是大宗商品价格是由拍卖或者(Blomberg和Harris,1995)。此外,有研究者对大宗商品价格“超调”行为进行了理论研究(Boughton和Branson,1992;Frankel,1986;Fuhrer和Moore,1992)。在这类理论模型中,大宗商品被视为
进入21世纪初期,国际大宗商品价格不断暴涨,重新引起研究者们对国际大宗商品价20世纪70年代的水平,现有研究将这种价格冲击仅仅
最近,一些采用跨国数据的实证研究结果表明,大宗商品价格冲击对各国国内整体价格18个新兴欧洲经济体的国内通货膨胀的影响作用(Zoli,2009)。该研究采用了国家特定的向量1999年至2010年期间,46个国家的(Michael,2010)。
从政策应对方面看,发达国家的研究结果不尽一致。有研究者强调,国际大宗商品价格(Mehzer,2011);但也有研(Meyer,2011)。比如对美国2070年代遭遇的经济停滞和通货膨胀并存的困境(Blinder,1982),大都被认为是大宗商(Barsky和Kilian,2001);还有研究者强调,大宗商品价格冲击对美国经济滞胀的影响并(Bernanke等人,1997)。
对于发展中经济体而言,上述发达国家的种种论点或对策可能并不完全适用,其主要原(IMF,2008)。
在采用20世纪80年代以来的经济数据进行的实证研究结果,并不支持国际大宗商品(Stephen和Richhild,2008;Verheyen,2010)。对于这(Kyrtsou和Labys,2006)。
基于上述研究结果,为剔除不同国家的不同特征的影响,本文将重点针对中国的情况进30年来国际大宗商品价格与主要国
三、研究方法
Markov机制转换模型允许在随机过程中参数变化,这是对线性模型的一个重要替代。
式中,f表示条件概率密度函数;yt表示可观测的内生变量,为n×1向量;st表示时间txt表示外生变量,为k×1向量;Yt-1表示依赖于不可观测的状态变量st的内yt和外生变量xt的历史;θ表示参数向量。
如果存在N个不同的机制,那么N个条件密度均可类似地由表达式(1)予以定义。这t表示:
假定不可观测的随机状态st服从马尔科夫链过程,那么转移概率的表达式如下:
转移概率pij,i,j=1,…,N也包含在参数向量θ当中。同时,产生不可观测的随机状态
在马尔科夫机制转换模型中,参数向量、不可观测的机制状态以及转移概率需要进行估st是不可观测的,所以并不能把握在不同P(st=j|Yt;θ)为基于总体参数θ及历史信息对状态st的统计P(st=j|Yt;θ),j=1,…N采用N×1向量ξt|t,对t+1期j下的概率预测表示为向量ξt+1|t,则有:
上两式中,γt表示yt的条件概率密度函数所构成的N×1向量,P表示转移概率矩阵,I*表示Hadamard向量乘积。
给定初始值我们可以估计
文档评论(0)