IDEAS主页打印自https://ideas.repec.org/p/tin/wpaper/2012008.html
  我的参考书目  保存此纸张

基于状态空间方法的快速重要抽样

作者

上市的：
  • 暹粒·扬·库普曼

    （荷兰阿姆斯特丹VU大学）

  • 罗格理工大学

    （荷兰阿姆斯特丹VU大学）

  • Thuy Minh Nguyen先生

    （德意志银行，英国伦敦）

摘要

此版本已取代2012年1月30日的版本。当蒙特卡罗模拟方法用于似然估计、动态潜在因素信号提取和预测时，成功构建非线性非高斯状态空间模型的重要密度至关重要。有效重要性抽样方法在这方面是成功的，但我们表明，使用标准卡尔曼滤波和平滑方法可以更方便地实现。我们通过直接从信号方程模拟而不是从通常的高维状态方程模拟来进一步获得计算增益。我们的结果提供了一些新的见解，但它们主要导致了一种更简单快速的有效重要性抽样方法。在模拟研究中，我们提供了一些计算增益的证据。我们对一个具有Student t分布的随机波动率模型说明了我们的新方法。

建议引用

  • 暹粒·扬·库普曼（Siem Jan Koopman）、罗格斯·利特（Rutger Lit）和土明·阮（Thuy Minh Nguyen），2012年。"基于状态空间方法的快速重要抽样,"廷伯根研究所讨论文件12-008/4，廷伯根研究所，2014年10月16日修订。
    • 手柄：RePEc:tin:wppaper:20120008
    作为

    从出版商下载全文

    文件URL: https://papers.tinbergen.nl/12008.pdf
    下载限制：不
    ---><---

    IDEAS上列出的参考文献

    作为
    1. Jung，Robert C.&Liesenfeld，Roman&Richard，Jean-Fran§ois，2011年。"多元计数数据的动态因子模型：在股市交易活动中的应用,"商业与经济统计杂志，美国统计协会，第29卷（1），第73-85页。
    2. John Geweke，1989年。"经济计量模型中基于蒙特卡罗积分的贝叶斯推断,"计量经济学《计量经济学协会》，第57卷（6），第1317-1339页，11月。
    3. Robert C.Jung、Roman Liesenfeld和Jean-François Richard，2011年。"多元计数数据的动态因子模型：在股市交易活动中的应用,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第29卷（1），第73-85页，1月。
    4. J.Durbin和S.J.Koopman，2000年。"基于经典和贝叶斯状态空间模型的非高斯观测的时间序列分析,"英国皇家统计学会学报B辑英国皇家统计学会，第62卷（1），第3-56页。
    5. Kloek，Tuen&van Dijk，Herman K，1978年。"方程系统参数的贝叶斯估计：蒙特卡罗积分法的应用,"计量经济学《计量经济学协会》，第46卷（1），第1-19页，1月。
    6. 杜宾、詹姆斯和科普曼，暹粒，2012年1月。"状态空间方法的时间序列分析,"OUP目录,牛津大学出版社，第2版，编号9780199641178。
    7. 达勒姆，加兰德·B和加兰特，A·罗纳德，2002年。"连续时间扩散过程最大似然估计的数值技术：答复,"商业与经济统计杂志，美国统计协会，第20卷（3），第335-338页，7月。
    8. 罗曼·利森菲尔德（Roman Liesenfeld）和理查德（Richard），珍妮·弗朗索瓦（Jean-Francois），2003年。"单变量和多变量随机波动率模型：估计和诊断,"实证金融杂志爱思唯尔，第10卷（4），第505-531页，9月。
    9. Borus Jungbacker和Siem Jan Koopman，2007年。"非线性非高斯状态空间模型的蒙特卡罗估计,"生物特征《Biometrika信托》，第94卷（4），第827-839页。
    10. Jean-Francois Richard，2007年。"高效的高维重要性抽样,"工作文件321，匹兹堡大学经济系，2007年1月修订。
    11. Siem Jan Koopman和Marcel Scharth，2012年。"存在每日已实现指标的随机波动性分析,"金融计量经济学杂志牛津大学出版社，第11卷（1），第76-115页，12月。
    12. J.Durbin，2002年。"一种简单高效的状态空间时间序列分析仿真平滑器,"生物特征《Biometrika信托》，第89卷（3），第603-616页，8月。
    13. 丹尼尔森，J&理查德，J-F，1993年。"加速高斯重要性采样器及其在动态潜在变量模型中的应用,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第8卷（S），第153-173页，Suppl.De。
    14. Siem Jan Koopman、AndréLucas和Marcel Scharth，2015年。"非线性非高斯状态空间模型的数值加速重要性采样,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第33卷（1），第114-127页，1月。
    15. 达勒姆，加兰德·B和加兰特，A·罗纳德，2002年。"连续时间扩散过程最大似然估计的数值方法,"商业与经济统计杂志，美国统计协会，第20卷（3），第297-316页，7月。
    16. Richard，Jean-Francois和Zhang，Wei，2007年。"高效的高维重要性采样,"计量经济学杂志Elsevier，第141（2）卷，第1385-1411页，12月。
    17. Neil Shephard（编辑），2005年。"随机波动性：精选读数,"OUP目录,牛津大学出版社，编号9780199257201。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. Siem Jan Koopman、AndréLucas和Marcel Scharth，2015年。"非线性非高斯状态空间模型的数值加速重要性采样,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第33卷（1），第114-127页，1月。
    2. Kleppe，Tore Selland&Skaug，Hans Julius，2012年。"用拉普拉斯加速序贯重要性抽样拟合一般随机波动率模型,"计算统计与数据分析爱思唯尔，第56卷（11），第3105-3119页。
    3. 科普曼、暹粒·扬和谢泼德、尼尔和克里尔、德鲁，2009年。"测试重要性抽样背后的假设,"计量经济学杂志爱思唯尔，第149（1）卷，第2-11页，4月。
    4. 李梦恒（Mengheng Li）和暹粒（Siem Jan）（S.J.）科普曼（Koopman），2018年。"美国通货膨胀中随机波动的未观测成分：估计和信号提取,"廷伯根研究所讨论文件18-027/III，廷伯根研究所。
    5. Siem Jan Koopman、AndréLucas和Marcel Scharth，2016年。"用参数驱动和观测驱动模型预测时变参数,"经济学与统计学综述麻省理工学院出版社，第98卷（1），第97-110页，3月。
    6. Kleppe，Tore Selland&Liesenfeld，Roman，2014年。"混合框架中的有效重要性抽样,"计算统计与数据分析爱思唯尔，第76（C）卷，第449-463页。
    7. Falk Bräuring和Siem Jan Koopman，2016年。"动态因子网络模型及其在全球信用风险中的应用,"工作文件波士顿联邦储备银行16-13。
    8. Mesters，G.和Koopman，S.J.，2014年。"横截面和时间随机效应的广义动态面板数据模型,"计量经济学杂志，爱思唯尔，第180卷（2），第127-140页。
    9. Scharth，Marcel&Kohn，Robert，2016年。"粒子有效重要性采样,"计量经济学杂志，爱思唯尔，第190卷（1），第133-147页。
    10. Siem Jan Koopman&Rutger Lit&AndréLucas，2017年。"离散价格变化的日内随机波动：动态Skellam模型,"美国统计协会杂志《泰勒与弗朗西斯杂志》，第112卷（520），1490-1503页，10月。
    11. Siem Jan Koopman&Rutger Lit&AndréLucas，2014年。"动态Skellam模型及其应用,"廷伯根研究所讨论文件14-032/IV/DSF73，廷伯根研究所，2015年7月6日修订。
    12. Bräuning，Falk&Koopman，暹粒，2020年1月。"动态因素网络模型及其在国际贸易中的应用,"计量经济学杂志爱思唯尔，第216（2）卷，第494-515页。
    13. 亚历山大·茨普拉科夫（Alexander Tsyplakov），2010年。"揭开神秘面纱：随机波动率模型艺术简介,"MPRA纸德国慕尼黑大学图书馆，25511。
    14. Tommaso Proietti和Alessandra Luati，2013年。"时间序列模型的最大似然估计：卡尔曼滤波及其以外,"章，摘自：Nigar Hashimzade和Michael A.Thornton（编辑），实证宏观经济学研究方法与应用手册，第15章，第334-362页，爱德华·埃尔加出版社。
    15. Borus Jungbacker和Siem Jan Koopman，2005年。"状态空间模型的重要性抽样,"廷伯根研究所讨论文件05-117/4，廷伯根研究所。
    16. Pastorello，S.&Rossi，E.，2010年。"随机微分方程的有效重要抽样极大似然估计,"计算统计与数据分析爱思唯尔，第54卷（11），第2753-2762页，11月。
    17. G.Mesters&S.J.Koopman&M.Ooms，2016年。"广义长记忆时间序列模型的Monte Carlo极大似然估计,"计量经济评论，Taylor&Francis期刊，第35卷（4），第659-687页，4月。
    18. Siem Jan Koopman和Charles S.Bos，2002年。"用于分析经济时间序列的具有共同随机方差的时间序列模型,"廷伯根研究所讨论文件02-113/4，廷伯根研究所。
    19. Kleppe，Tore Selland&Yu，Jun&Skaug，Hans J.，2014年。"部分观测扩散模型的最大似然估计,"计量经济学杂志爱思唯尔，第180（1）卷，第73-80页。
    20. Kleppe，Tore Selland&Liesenfeld，Roman，2011年。"混合框架中的高效高维重要性抽样,"经济学工作论文2011年11月，基尔大学克里斯蒂安·阿尔布雷希茨分校，经济系。

    有关此项目的更多信息

    关键词

    卡尔曼滤波器;蒙特卡洛最大似然;模拟平滑;
    所有这些关键字.

    JEL公司分类：

    • C32号机组-数学与定量方法——多重或联立方程模型；多变量时间序列模型；动态分位数回归；动态治疗效果模型；扩散过程；状态空间模型
    • C51型-数学和定量方法——计量经济建模——模型构建和估计

    NEP字段

    这篇论文已在下面宣布NEP报告:

    统计

    访问和下载统计

    更正

    本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:tin:wppaper:20120008。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Tinbergen Office+31（0）10-4088900（电子邮件如下）。供应商的一般联系方式：https://edirc.repec.org/data/tinbenl.html.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。