平滑转换向量自回归模型（STVAR）的MATLAB实现与分析

平滑转换向量自回归模型（STVAR）的MATLAB实现与分析

---

一、STVAR模型概述

平滑转换向量自回归模型（Smooth Transition Vector Autoregression, STVAR）是传统VAR模型的扩展，通过引入平滑转换函数（如指数平滑、逻辑函数）捕捉变量间的非线性动态关系。其核心思想是允许模型参数随时间或状态变量平滑变化，适用于分析经济周期、政策效应等场景。

---

二、MATLAB实现步骤

1. 模型设定与参数估计

步骤1：数据预处理

% 加载数据（示例：宏观经济指标）
data = readtable('macro_data.csv');
y = data{:, {'GDP','CPI','InterestRate'}}; % 选择内生变量
n = size(y,2); % 变量维度

% 平稳性检验（ADF检验）
for i = 1:n
    [h,p] = adftest(y(:,i),'Model','AR','Alpha',0.05);
    disp(['Series ', num2str(i), ' ADF p-value: ', num2str(p)]);
end

步骤2：构建STVAR模型

% 定义转换变量（如滞后GDP增长率）
z = lagmatrix(y(:,1),1); % 转换变量为滞后1期的GDP增长率
zt = z(2:end); % 去除初始NA值

% 创建STVAR模型对象（基于VAR模板）
p = 2; % 滞后阶数
Mdl = varm(n,p); % 创建VAR(p)模板

% 定义平滑转换函数（示例：指数平滑）
transition = @(theta,zt) 1./(1 + exp(-theta(1)*(zt - theta(2)))); % 逻辑函数

步骤3：参数估计

% 定义估计函数（结合VAR与转换函数）
estFcn = @(params) estimate_stvar(params,Mdl,transition,zt);

% 初始参数猜测（示例）
theta0 = [1,0.5,0.1,0.2]; % [转换速度, 阈值, AR系数, 协方差参数]

% 使用优化算法估计参数
options = optimoptions('fminunc','Algorithm','quasi-newton');
[theta_hat,~,exitflag] = fminunc(estFcn,theta0,options);

2. 模型检验

检验1：转换函数有效性检验

% 计算转换概率
gamma = theta_hat(1);
threshold = theta_hat(2);
prob = transition(theta_hat,zt);

% 绘制转换概率曲线
figure;
plot(zt,prob,'LineWidth',2);
xlabel('转换变量 z_t'); ylabel('转换概率');
title('STVAR转换函数动态');

检验2：残差诊断

% 生成残差
[~,res] = estimate_stvar(theta_hat,Mdl,transition,zt);

% Ljung-Box检验（滞后12期）
for i = 1:n
    [h,p] = lbqtest(res(:,i),'NumLags',12,'Alpha',0.05);
    disp(['Series ', num2str(i), ' LB p-value: ', num2str(p)]);
end

% ARCH效应检验
for i = 1:n
    [h,p] = archtest(res(:,i),'Lag',12);
    disp(['Series ', num2str(i), ' ARCH p-value: ', num2str(p)]);
end

3. 脉冲响应分析

% 定义正交化方法（Cholesky分解）
orthogonal = 'cholesky';
shock = [1;0;0]; % 对GDP的1单位冲击

% 计算脉冲响应
[IRF,~,~] = irf(Mdl,shock,orthogonal);

% 绘制脉冲响应图
figure;
impulseplot(IRF,12);
title('STVAR脉冲响应函数');

---

三、关键代码解析

1. 转换函数设计

   使用逻辑函数实现平滑转换，参数$θ=[γ,τ]$控制转换速度与阈值位置：

   

2. 参数估计优化

   通过fminunc最小化对数似然函数，目标函数需结合VAR对数似然与转换概率：

   function logL = estimate_stvar(theta,Mdl,transition,zt)
       beta = theta(3:end); % AR系数与协方差参数
       logL = -sum(log(transition(theta,zt) .* pdf('norm',y-Mdl*beta)));
   end
   

3. 稳定性检验

   检查VAR模型特征根是否在单位圆内：

   [A,B] = getVARCoefficients(Mdl);
   roots = eig(A);
   if all(abs(roots) < 1)
       disp('模型稳定');
   else
       disp('模型不稳定');
   end
   

参考代码 平滑转换向量自回归模型的估计、检验以及应用 www.youwenfan.com/contentcsq/80474.html

四、应用案例：货币政策传导分析

场景：分析利率调整对GDP和CPI的非线性影响

数据：美国季度GDP增长率、CPI同比、联邦基金利率（1990-2020）

步骤：

1. 数据平稳化：对GDP和CPI取对数差分，利率序列去趋势。
2. 模型设定：设定转换变量为产出缺口，构建3维STVAR(2)模型。
3. 估计结果：转换速度γ=2.5，阈值τ=0.02，表明当产出缺口>2%时货币政策效应增强。
4. 政策模拟：施加利率上升1%的冲击，观察GDP与CPI的动态响应。

---

五、注意事项

1. 数据频率匹配：确保所有变量为同频数据（如季度/月度）。
2. 过拟合控制：通过AIC/BIC选择最优滞后阶数，避免高阶VAR模型。
3. 外生变量引入：若需考虑全球因素，可添加外生变量（如大宗商品价格）到模型中。

---

六、扩展应用

• 非对称效应分析：使用门限转换函数（Threshold STVAR）捕捉正负冲击的不对称影响。
• 多国模型：构建跨国STVAR系统，分析政策溢出效应（如美国政策对G7国家的影响）。
• 实时预测：结合滚动窗口估计，实现STVAR的在线更新预测。