门限回归的经济周期拐点识别.pdf

门门限限回回归归在在经经济济周周期期拐拐点点识识别别中中的的应应用用与与机机制制分分析析

一一、、经经济济周周期期拐拐点点识识别别的的现现实实意意义义与与理理论论挑挑

经济周期拐点是宏观经济运行中扩张与收缩的转折点，其准确识别对政策制定、投资决策和风险管理具有重要价值。传统方法

如线性回归、移动平均法、滤波技术（如HP滤波）等，通常假设经济变量之间的关系是线性的或平滑过渡的。然而，现实经

济周期往往表现出非线性、非对称性和突变性特征：

1.非线性：经济变量的波动幅度在不同阶段差异显著（例如衰退期GDP增速下降速度远快于复苏期）。

2.区制转换特性：不同经济状态（如繁荣、衰退）之间存在明显阈值，政策效应在不同阶段存在异质性。

3.外生冲击影响：金融危机、疫情等突发事件会导致经济路径发生结构性断裂。

上述特性使得线性模型难以捕捉拐点的突变特征，而门限回归（ThresholdRegression）通过引入区制划分机制，为经济周期

拐点的识别提供了更优的理论框架。

二二、、门门限限回回归归的的基基本本原原理理与与模模型型设设定定

1.模模型型核核心心思思想想

门限回归假设经济系统存在一个或多个“门限值”（Threshold），将样本划分为不同的区制（Regime）。每个区制内变量关系

服从线性回归，但不同区制的回归系数存在显著差异。其数学表达式为：

[y_t=\begincases}\beta_0^(1)}+\beta_1^(1)}x_t+\epsilon_t^(1)},\textif}q_t\leq\gamma\\beta_0^(2)}+\beta_1^(2)}

x_t+\epsilon_t^(2)},\textif}q_t\gamma\endcases}]

其中，(q_t)为门限变量（通常选取滞后宏观经济指标），(\gamma)为门限值，(\epsilon_t^(k)})为误差项。

2.参参数数估估计计方方法法

门限值搜索法：通过网格搜索（GridSearch）遍历门限变量(q_t)的可能取值，选择使得残差平方和（SSR）最小的(\gamma

)作为最优估计。

自举法（Bootstrap）：检验门限效应的显著性，避免伪回归问题。

多门限扩展：可进一步推广至双门限、三门限模型，以刻画更复杂的区制转换过程。

三三、、基基于于门门限限回回归归的的拐拐点点识识别别技技术术路路径径

1.变变量量选选择择与与数数据据预预处处理理

门限变量：通常选择滞后经济指标（如GDP增速、工业增加值增速）或先行指标（如PMI、消费者信心指数）。例如，以

GDP增速的滞后项作为门限变量，可捕捉经济动能的自我强化或衰减效应。

因变量与自变量：需根据研究目标设定，例如研究投资对经济增长的影响时，自变量可包含固定资产投资增速、信贷增速等。

数据平稳性处理：对非平稳序列进行差分或HP滤波去趋势处理，避免伪回归。

2.模模型型构构建建步步骤骤

1.单门限效应检验：使用Hansen（1999）提出的LM统计量检验是否存在显著门限效应。

2.门限值估计：通过最小化残差平方和确定门限值(\hat\gamma})，并计算其置信区间。

3.区制划分与参数估计：根据(\hat\gamma})将样本划分为不同区制，分别估计各区的回归系数。

4.模型稳健性检验：包括残差自相关检验、异方差检验、门限值稳定性检验等。

3.拐拐点点判判定定标标准准

经济状态划分：若门限变量(q_t)跨越估计值(\hat\gamma})，则判定为经济状态转换。例如，当(q_t)从低于(\hat\gamma})

上升至高于时，标志经济进入扩张期。

动态监测机制：结合滚动窗口回归（RollingWindowRegression）实时更新门限值，适应经济结构变化。

四四、、典典型型应应用用场场景景与与案案例例分分析析

1.中中国国经经济济周周期期拐拐点点识识别别（（以以GDP增增速速为为例例））

选取1992-2022年中国季度GDP增速数据，门限变量选择滞后4期的GDP增速（反映经济动量），构建如下门限模型：

[\DeltaGDP_t=\beta_0^(k)}+\beta_1^(k)}\DeltaGDP_t-1}+\beta_2^(k)}M2_t-2}+\epsilon_t^(k)}]

模型估计结果显示门限值为5.8%，对应两个区制：

低速区制（GDP