×
龚，陈；大卫·S·斯托弗。

关于随机波动率模型有效拟合的注记。 （英语） Zbl 1468.62337号

J.时间序列。分析。 42，第2期，186-200（2021）.
摘要：随机波动率模型是一种常用的资产波动率建模工具。该模型是一个非线性和非高斯状态空间模型，并提出了一些一般所未见的挑战。许多贝叶斯分析方法都依赖于数值密集型技术，如马尔可夫链蒙特卡罗（MCMC）。收敛和混合问题仍然困扰着用于该模型的MCMC算法。我们提出了一种改进随机波动率模型拟合时收敛速度慢和混合问题的方法。该方法通过利用其中一个目标的几何特征来加速收敛。我们在各种数值例子中演示了该方法。

引用于1文件

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
62L20型 随机近似
62-08 统计问题的计算方法
65二氧化碳 蒙特卡罗方法

关键词：

祖先取样；高效马尔可夫链蒙特卡罗；吉布斯粒子；随机波动性
PDF格式BibTeX公司 XML格式引用
\textit｛C.Gong｝和\textit｛D.S.Stoffer｝，J.时间序列。分析。42，编号2，186--200（2021；Zbl 1468.62337）
全文： 内政部

参考文献：

[1] AndrewsDF，马洛斯CL。1974.正态分布的比例混合。英国皇家统计学会杂志：B辑（方法学）36:99-102·兹比尔0282.62017
[2] 汤姆斯·J·安德烈（AndrieuC）。2008年，自适应MCMC教程。统计与计算18:343-373。
[3] AndrieuC、DoucetA、HolensteinR。2010.粒子马尔可夫链蒙特卡罗方法。英国皇家统计学会杂志：B辑（统计方法）72:269-342·Zbl 1411.65020号
[4] AsaiM、McAleerM、YuJ。2006.多元随机波动：综述。计量经济学评论25:145-175·Zbl 1107.62108号
[5] 卡林BP、PolsonNG、StofferDS。1992年，非正态和非线性状态空间建模的蒙特卡罗方法。美国统计协会杂志87:493-500。
[6] 科恩·卡特克。1994.关于状态空间模型的吉布斯抽样。生物特征81:541-553·Zbl 0809.62087号
[7] DoucR、MoulinesE、StofferDS。2014.非线性时间序列：理论、方法和应用（附R示例）。博卡拉顿：CRC出版社·Zbl 1306.62026号
[8] Frühwirth‐SchnatterS S.1994年。数据增强和动态线性模型。时间序列分析杂志15:183-202·Zbl 0815.62065号
[9] GelmanA、RobertsGO、GilksWR。1996年，有效的大都会跳跃规则。贝叶斯统计，5（Alicante，1994），牛津科学。出版物。，牛津大学出版社：纽约，第599-607页。
[10] GeyerCJ。1992.实际马尔可夫链蒙特卡罗。统计科学7:473-483。
[11] GeyerCJ、JohnsonLT。2017年，mcmc:Markov Chain Monte Carlo。R套装版本0.9-5。
[12] 工委。2019.匹兹堡大学博士论文《随机波动模型中的粒子吉布斯方法》。
[13] 龚C，斯托弗DS。2020年。随机波动率模型——R代码。https://github.com/nickpoison/Sandociamic-Volatility-Models/（https://github.com/nickpoison/随机波动模型）。[GitHub存储库]。
[14] GordonN、SalmondD、SmithAF。1993年。非线性/非高斯贝叶斯状态估计的新方法。IEE Proceedings F（雷达和信号处理）140:107-113。
[15] HaarioH、SaksmanE、TamminenJ。2001.自适应Metropolis算法。伯努利7:223-242·Zbl 0989.65004号
[16] KastnerG HosszejniD公司。2019.使用Stochvol和因子Stochvol-arXiv预印本arXiv:1906.12123对R中的单变量和多变量随机波动率进行建模。
[17] JacquierE、PolsonNG、RossiPE。1994年。随机波动率模型的贝叶斯分析。商业与经济统计杂志20:69-87。
[18] 卡斯特纳。2016年，R Package Stochvol的重尾创新。
[19] KastnerG，Frühwirth‐SchnatterS S.2014年。辅助充分交织策略（ASIS），用于提高随机波动率模型的MCMC估计。计算统计与数据分析76:408-423·Zbl 1506.62094号
[20] HosszejniD KastnerG。2019.stochvol:随机波动（SV）模型的有效贝叶斯推断。R软件包版本2.0.4。
[21] KimS，ShephardN，ChibS.1998年。随机波动性：似然推断和与ARCH模型的比较。《经济研究评论》65:361-393·Zbl 0910.90067号
[22] LindstenF、DoucR、MoulinesE。2015.粒子吉布斯采样器的均匀遍历性。斯堪的纳维亚统计杂志42:775-797·Zbl 1360.60143号
[23] LindstenF，JordanMI，SchönTB。2014.具有祖先采样的颗粒吉布斯。机器学习研究杂志15:2145-2184·Zbl 1319.60151号
[24] 微软和TeamRC。2019.微软R公开赛。华盛顿州雷蒙德：微软。
[25] PittMK，ShephardN。1999.通过模拟进行过滤：辅助粒子过滤器。美国统计协会杂志94:590-599·Zbl 1072.62639号
[26] R核心团队。2019.R：统计计算语言和环境。奥地利维也纳：R统计计算基金会。
[27] RobertCP、ElviraV、TawnN、WuC。2018年，加快MCMC算法。威利跨学科评论：计算统计10:e1435。
[28] 谢泼德。1996年，ARCH和随机波动的统计方面。统计学和应用概率专著65:1-68。
[29] Shumway右侧，StofferDS。2017年，《时间序列分析及其应用：以R为例》，第4版，纽约：施普林格出版社·Zbl 1367.62004号
[30] 泰勒SJ，1994年。随机波动率建模：回顾与比较研究。数学金融4:183-204·Zbl 0884.90054号
[31] 泰勒SJ，2008年。《金融时间序列建模》，第二版，伦敦：世界科学·Zbl 1146.91033号
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。