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）