×
德泽·贝穆德斯（De Zea Bermudez），P。;J.Miguel Marín;海伦娜·威加

非对称随机波动模型的数据克隆估计。 （英语） Zbl 1490.62315号

经济。版次。 39，第10期，1057-1074（2020）.
摘要：本文提出使用数据克隆（DC）来估计标准化收益具有灵活分布的一般单变量非对称随机波动率（ASV）模型。这些模型能够捕捉到非对称波动率、钩体病和收益分布的偏度。数据克隆是一种通过马尔可夫链蒙特卡罗（MCMC）方法计算最大似然估计量及其渐近方差的通用技术。本文的主要目的是说明通过数据克隆可以多么容易地估计和研究一般的单变量ASV模型。规范、先验值和采样误差分布的更改都是在对代码进行微小修改的情况下完成的。通过深入的模拟研究，评估了参数估计量的有限样本性质，并与用户友好的基准估计量进行了比较。结果表明，该估计器具有较高的计算效率，可以有效地替代现有的ASV模型估计方法。最后，我们使用数据克隆来估计一般ASV模型的参数，并预测标准普尔500指数和富时100指数日收益率的一步式波动率。

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62第20页 统计学在经济学中的应用
91B84号 经济时间序列分析

关键词：

不对称波动性;数据克隆;非高斯非线性时间序列模型;偏态分布和重尾分布

软件：

卡爪;斯坦;移动交换中心;dclone（数据克隆）;贝叶斯DA;npreg公司;MCS公司;漏洞;dcmle公司;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{P.De Zea Bermudez}等人，《经济学》。版本39，编号10，1057--1074（2020；Zbl 1490.62315）
全文： 内政部 链接

参考文献：

[1] 阿班托·瓦勒，加利福尼亚州。；拉科斯，V.H。；Dey，D.K.，偏态学生t随机波动率模型的贝叶斯估计，应用概率中的方法和计算，17，3，721-738（2015）·Zbl 1327.62128号 ·doi:10.1007/s11009-013-9389-9
[2] Andersen，T.G。；Bollerslev，T。；Diebold，F。；Labys，P.，《已实现汇率波动的分布》，《美国统计协会杂志》，96，453，42-55（2001）·Zbl 1015.62107号 ·doi:10.1198/016214501750332965
[3] Andersen，T.G。；Bollerslev，T。；Diebold，F.X。；Ebens，H.，《已实现股票收益波动率的分布》，《金融经济学杂志》，61，1，43-76（2001）·doi:10.1016/S0304-405X（01）00055-1
[4] Andersen，T.G。；Bollerslev，T。；Diebold，F.X。；Labys，P.，《已实现波动率建模与预测》，《计量经济学》，第71、2、579-625页（2003年）·Zbl 1142.91712号 ·doi:10.111/1468-0262.00418
[5] Asai，M.，《具有重尾分布的自回归随机波动率模型：与多因素波动率模型的比较》，《实证金融杂志》，15，2，332-341（2008）·doi:10.1016/j.jempfin.2006.06.006
[6] Asai，M。；Chang，C.-L。；McAleer，M.，具有一般不对称性和长记忆的已实现随机波动性，计量经济学杂志，199,2202-212（2017）·Zbl 1388.62245号 ·doi:10.1016/j.jeconom.2017.05.010
[7] Asai，M.，McAleer，M.（2004）。随机波动率模型中的动态杠杆和阈值效应。东京都市大学经济学院未出版手稿。
[8] Asai，M。；McAleer，M.，随机波动模型中的动态不对称杠杆，《计量经济学评论》，24，3，317-332（2005）·Zbl 1075.62092号 ·doi:10.1080/07474930500243035
[9] Asai，M。；McAleer，M.，《另类非对称随机波动率模型》，《计量经济学评论》，第30、5、548-564页（2011年）·doi:10.1080/07474938.2011.553156
[10] 巴拉，I。；胡格海德，L。；科普曼，S.J。；Lucas，A.，非线性非高斯状态空间模型中参数和状态的联合贝叶斯分析，应用计量经济学杂志，32，51003-1026（2017）·doi:10.1002/jae.2533
[11] Breidt，F.J.（1996）
[12] 卡塔尼亚，L.，伯纳迪，M.（2015）。MCS：模型置信设置程序。R包版本0.1.1。
[13] 陈，C。；刘，F。；So，M.，非对称随机波动率模型的阈值变量选择，计算统计，28，6，2415-2447（2013）·Zbl 1306.65041号 ·doi:10.1007/s00180-013-0412-y
[14] Chen，C.W.S。；刘，F.C。；So，M.K.P.，金融时间序列中的重尾分布阈值随机波动率模型，《澳大利亚和新西兰统计杂志》，50，1，29-51（2008）·doi:10.1111/j.1467-842X.2007.00498.x
[15] Danielsson，J.，《资产价格估计中的随机波动与模拟最大似然》，《计量经济学杂志》，64，1-2，375-400（1994）·Zbl 0825.62953号 ·doi:10.1016/0304-4076（94）90070-1
[16] Demos，A.，均值模型中时变参数随机波动的矩和动态结构，《计量经济学杂志》，5，2，345-357（2002）·兹比尔1018.62094 ·doi:10.1111/1368-423X.t01-1-00087
[17] Elliott，R.J。；Liew，C.C。；Siu，T.K.，关于阈值随机波动率模型的过滤和估计，应用数学与计算，218，1，61-75（2011）·兹比尔1231.91486 ·doi:10.1016/j.amc.2011.05.052
[18] 费尔南德斯，C。；Steel，M.F.J.，《关于胖尾和偏态的贝叶斯模型》，《美国统计协会杂志》，93，441，359-371（1998）·Zbl 0910.62024号 ·doi:10.2307/2669632
[19] 弗里德曼，M。；Harris，L.，非高斯随机波动率模型的最大似然方法，《商业与经济统计杂志》，16，3，284-291（1998）·doi:10.2307/1392504
[20] Gelman，A。；Carlin，J.B。；斯特恩，H.S。；邓森，D.B。；Vehtari，A。；Rubin，D.B.，贝叶斯数据分析（2013），查普曼和霍尔/CRC
[21] Ghosh，H。；古龙，B。；Source，P.，《基于卡尔曼滤波的阈值随机波动率建模和预测》，《应用统计杂志》，42，3，492-507（2015）·兹比尔1514.62586 ·doi:10.1080/02664763.2014.963524
[22] Hansen，P.R。；伦德，A。；Nason，J.M.，模型置信集，《计量经济学》，79，453-497（2011）·Zbl 1210.62030
[23] A.哈维。；鲁伊斯，E。；Shephard，N.，多元随机方差模型，《经济研究评论》，61，2，247-264（1994）·Zbl 0805.90026号 ·doi:10.2307/2297980
[24] 哈维，A.C。；Shephard，N.，资产收益非对称随机波动模型的估计，《商业与经济统计杂志》，第14、4、429-434页（1996年）·doi:10.2307/1392251
[25] Helwig，N.E.（2019年）。npreg：非参数回归。R包版本1.0-0。
[26] 杰奎尔，E。；新几内亚波尔森。；Rossi，P.E.，《随机波动率模型的贝叶斯分析：回复》，《商业与经济统计杂志》，12，4，413-417（1994）·doi:10.2307/1392209
[27] Kim，S。；Shepherd，N。；Chib，S.，随机波动性：可能性推断和与ARCH模型的比较，经济研究综述，65，361-393（1998）·Zbl 0910.90067号 ·doi:10.1111/1467-937X.00050
[28] Kruschke，J.，《做贝叶斯数据分析：R、JAGS和Stan的教程》（2014），学术出版社·Zbl 1300.62001号
[29] Lele，S.R。；丹尼斯，B。；Lutscher，F.，《数据克隆：使用贝叶斯-马尔可夫链蒙特卡罗方法对复杂生态模型进行简单的最大似然估计》，《生态学快报》，10，7，551-563（2007）·文件编号：10.1111/j.1461-0248.2007.01047.x
[30] Lele，S.R。；Nadeem，K。；Schmuland，B.，使用数据克隆的广义线性混合模型的可估性和似然推断，美国统计协会杂志，105，492，1617-1625（2010）·Zbl 1388.62220号 ·doi:10.1198/jasa.2010.tm09757
[31] 利森菲尔德，R。；Jung，R.C.，《随机波动率模型：条件正态与重尾分布》，《应用计量经济学杂志》，第15、2、137-160页（2000年）·doi:10.1002/（SICI）1099-1255（200003/04）15:2
[32] 毛，X。；鲁伊斯，E。；Veiga，H.，《阈值随机波动性：属性与预测》，《国际预测杂志》，33，4，1105-1123（2017）·doi:10.1016/j.ij预测2017.07.001
[33] 毛，X。；鲁伊斯，E。；Veiga，H。；Czellar，V.，《非对称随机波动率模型：基于属性和粒子滤波的模拟最大似然估计》，《计量经济学与统计学》，第13期，第84-105页（2020年）·doi:10.1016/j.ecosta.2019.08.002
[34] 梅利诺，A。；Turnbull，S.M.，《随机波动外汇期权定价》，《计量经济学杂志》，45，1-2，239-265（1990）·doi:10.1016/0304-4076（90）90100-8
[35] 梅耶，R。；Yu，J.，随机波动率模型贝叶斯分析的BUGS，《计量经济学杂志》，3，2，198-215（2000）·Zbl 0970.91060号 ·doi:10.1111/1368-423X.00046
[36] 中岛，J。；Omori，Y.，利用GH斜交学生t分布的杠杆和非对称重尾误差的随机波动率模型，计算统计与数据分析，56，11，3690-3704（2012）·Zbl 1255.62319号 ·doi:10.1016/j.csda.2010.07.012
[37] 巴顿，A.J.，《使用不完全波动率代理进行波动率预测比较》，《计量经济学杂志》，160，1，246-256（2011）·Zbl 1441.62830号 ·doi:10.1016/j.jeconom.2010.03.034
[38] 普卢默（2003）。JAGS：一个使用吉布斯抽样分析贝叶斯图形模型的程序。在Kurt Hornik、Friedrich Leisch和Achim Zeileis（编辑）中。第三届分布式统计计算国际研讨会会议记录（DSC 2003），3月20日至22日，奥地利维也纳。
[39] Sandmann，G。；Koopman，S.J.，通过蒙特卡罗最大似然估计随机波动率模型，《计量经济学杂志》，87，2，271-301（1998）·Zbl 0937.62110号 ·doi:10.1016/S0304-4076（98）00016-5
[40] 北谢泼德。；Pitt，M.K.，非高斯测量时间序列的似然分析，生物统计学，84，3，653-667（1997）·Zbl 0888.62095号 ·doi:10.1093/biomet/84.3.653
[41] 所以，M.K.P。；Li，W.K。；Lam，K.，阈值随机波动率模型，《预测杂志》，21，7，473-500（2002）·doi:10.1002/用于840
[42] Solymos，P.，《克隆：R中的数据克隆》，The R Journal，2，2，29-37（2010）
[43] Solymos，P.（2016）。dcmle：通过数据克隆简化了层次模型。R包版本0.3-1。
[44] Sörensen，M.，基于预测的估计函数，《计量经济学杂志》，3，2，123-147（2000）·Zbl 0998.62071号 ·doi:10.1111/1368-423X.00042
[45] 高桥，M。；Omori，O。；Watanabe，T.，《随机波动率模型的新闻影响曲线》，《经济学快报》，120，1，130-134（2013）·Zbl 1284.91429号 ·doi:10.1016/j.econlet.2013.03.001
[46] Taylor，S.J.，《随机波动率建模：回顾与比较研究》，《数学金融》，第4期，第2期，第183-204页（1994年）·Zbl 0884.90054号 ·doi:10.1111/j.1467-9965.1994.tb00057.x
[47] Wirjanto，T。；Kolkiewicz，A。；Men，Z.，阈值随机波动率模型的贝叶斯分析，《预测杂志》，35，5，462-476（2016）·doi:10.1002/for.2397
[48] 吴晓云。；Zhou，H.-L.，三阈值杠杆随机波动率模型，非线性动力学和计量经济学研究，19483-500（2015）·Zbl 1506.62421号
[49] Yu，J.，《随机波动模型中的杠杆作用》，《计量经济学杂志》，127，2，165-178（2005）·兹比尔1335.91116 ·doi:10.1016/j.jeconom.2004.08.002
[50] Yu，J.，半参数随机波动模型，《计量经济学杂志》，167，2，473-482（2012）·Zbl 1441.62909号 ·doi:10.1016/j.jeconom.2011.09.029
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。