×

使用粒子滤波器的多变量随机波动率估计。 (英语) Zbl 1331.91207号

Akritas,Michael G.(编辑)等人,《非参数统计主题》。国际非参数统计学会第一届会议记录,ISNPS,2012年6月15日至19日,希腊查尔基迪基。纽约州纽约市:施普林格出版社(ISBN 978-1-4939-0568-3/hbk;978-1-493 9-0569-0/电子书)。《Springer Proceedings in Mathematics&Statistics》74、335-345(2014)。
摘要:提出了一种粒子滤波算法,用于多变量金融时间序列的波动性和互相关的序列估计。资产价格的回报,例如股票市场上交易的股票,采用歪斜(t)分布建模,该分布能够捕捉财务回报的重尾和不对称性,波动性协方差矩阵的逆矩阵通过Wishart自回归过程建模。基于高斯分布和Wishart分布之间的共轭性,我们描述了重要性密度的一种新选择,并修改了使用高斯混合处理模型超参数的现有方法。所提出的方法通过由富时100指数的三个组成部分组成的数据进行了说明。
关于整个系列,请参见[Zbl 1307.62007号].

MSC公司:

91G70型 统计方法;风险措施
62升12 序贯估计
62P05号 统计学在精算科学和金融数学中的应用
91B70型 经济学中的随机模型
91B84号 经济时间序列分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。