利用动态因子模型建立了一个创新的世界贸易周期综合指数，实时监测和预测世界商品和（通常被忽视的）服务贸易的短期增长。交易指标系列的选择是使用多维方法进行的，包括贝叶斯模型平均技术、动态相关性和线性VAR框架中的Granger非因果检验。为了克服实时预测的挑战，动态因素模型被扩展到考虑混合频率，处理异步数据发布，并包括硬数据和调查数据以及领先指标。非线性问题用马尔可夫切换模型来解决。伪实时仿真分析表明：（1）全球贸易指数是实时跟踪和预测世界贸易的有用工具；ii）该模型能够准确地推断全球贸易周期，并且比少数几个竞争替代品更好；和iii）球

本文研究股票价格是否存在泡沫。我们使用之前研究的结构向量自回归（SVAR）模型来区分对实际股价的基本面和非基本面冲击。SVAR模型依赖于识别限制，以便正确标记冲击。我们通过异方差中的马尔可夫切换SVAR（MS-SVAR）模型来检验这种限制。使用来自法国、德国、意大利、日本、英国和美国的数据，我们发现意大利拒绝了这一限制，日本支持1%的水平，其余国家至少支持5%的水平。几个备选规范证实了这些发现的稳健性。使用SVAR脉冲响应和预测误差方差分解，我们进一步检验了日本的结构性冲击，并确认了日本的冲击标签。通过历史分解，我们观察到，在整个20世纪70年代和80年代，股票价格往往被低估。这种低估在20世纪90年代中期自行纠正，之后股价往往与基本面同步波动。因此，我们没有发现任何证据支持所有投资国家的股票价格泡沫。

感兴趣冲击的识别是结构向量自回归（SVAR）建模中的一个核心问题。识别通常通过对冲击的影响或长期影响施加限制或通过考虑脉冲响应的符号限制来实现。在一些文章中，波动性的变化也被用来识别冲击。本研究的重点是后一种装置。综述了通过异方差进行识别的一些可能设置，并讨论了它们的潜力和局限性。考虑了两个详细的例子来说明该方法。

鉴于人们对结构向量自回归分析中的排斥和长期限制越来越不满，符号限制正变得越来越流行。到目前为止，还没有技术来验证通过这种限制确定的冲击。尽管在理想的设置中，符号限制规定了感兴趣的冲击，但符号限制可能会因测量误差、数据调整或遗漏变量而无效。我们通过马尔可夫切换（MS）机制对冲击波动性的变化进行建模，并使用这种设计给数据一个反对签署限制的机会。通过考虑原油市场的一个小模型来说明这种方法。

自千禧年之交以来，社会保障制度的信誉问题已经蔓延到私人养老基金部门。这一点在澳大利亚和冰岛等国家很明显，这些国家由于强有力的养老金改革而拥有庞大的养老金资产。信任问题可能会阻止养老基金投资继续增长，削弱社会保障制度的私有化。本研究的目的是对养老基金的决定因素获得新的见解。我们将分析重点放在澳大利亚和冰岛的经验上，以研究养老基金业绩的可信度，从而研究养老金改革的可信度。我们的可信度指标来源于CAPM时变模型。它可用于使用马尔可夫切换模型研究经济基本面与养老基金投资可信度之间的联系，以及在低可信度和高可信度两种制度下基本面的不对称效应。我们的研究结果有助于将政策可信度建模为具有两个不同制度的非线性过程。我们还发现，在低可信度制度和高可信度制度之间，所有宏观经济变量的系数值存在很大差异。这一证据有力地支持了这样一种假设，即宏观经济基本变量对可信度水平的影响在所有国家都是不对称的。

本文的目的是建立一个确定电力批发市场价格形成的模型。为此，我们使用马尔可夫切换回归，根据燃料（煤炭和天然气）的价格和二氧化碳排放配额对批发电价进行建模。我们将该模型应用于英国和德国的批发电价。虽然英国的电价可以很好地用短期成本因素来解释，但我们发现德国的电价和燃料成本之间存在脱钩。这可能是德国发电部门没有竞争力的证据。