耶尼里·特罗塞尔;埃尔南德斯(Aracelis Hernández);萨巴州芬特 通过辅助粒子滤波器估计随机波动率模型。 (西班牙语。英文摘要) 兹比尔1453.62770 版次:Mat.Teor。4月。 26,第1号,45-81(2019). 摘要:随着人们对一系列金融工具波动性研究的兴趣日益浓厚,我们提出了一种基于序贯蒙特卡罗(SMC)方法的通用性的方法,用于估计一般随机波动率模型(GSVM)的状态。在本文中,我们提出了一种基于状态空间结构的方法,应用诸如辅助粒子滤波器之类的滤波技术来估计系统的潜在波动性。此外,我们建议使用马尔可夫链蒙特卡罗(MCMC)算法,例如吉布斯采样器来估计参数。该方法通过一系列模拟数据的回报以及1995-2003年期间标准普尔500指数(s&P500)对应的回报来说明。结果表明,当对不同符号的冲击存在不对称响应时,所提出的方法能够充分解释波动的动态,并得出收益突变对应高波动值的结论。 MSC公司: 62第20页 统计学在经济学中的应用 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62M20型 随机过程推断和预测 62升12 序贯估计 65二氧化碳 蒙特卡罗方法 91B84号 经济时间序列分析 关键词:随机波动率模型;空间状态模型;辅助颗粒过滤器 PDF格式BibTeX公司 XML格式引用 \textit{Y.Trosel}等人,Mat.Teor牧师。4月。26,第1号,45-81(2019年;Zbl 1453.62770)