×
达朱斯·霍斯泽尼;格雷戈·卡斯特纳

杠杆随机波动率模型的贝叶斯估计方法。 （英语） Zbl 1435.62109号

Argiento，Raffaele（编辑）等人，《贝叶斯统计与新一代》。BAYSM 2018。2018年7月2日至3日在英国沃里克举行的第四届贝叶斯青年统计学家会议的部分贡献。查姆：斯普林格。Springer程序。数学。《统计》第296、75-83页（2019年）。
总结：众所周知，随机波动率（SV）模型贝叶斯推断中MCMC方法的采样效率高度依赖于实际参数值，基于不同参数的采样器的有效性差异很大。我们为具有杠杆作用的实际高度相关SV模型的中心参数化和非中心参数化推导了新的算法，其中收益过程和波动过程的创新可以相互关联。此外，基于辅助充分交织（ASIS）的思想，我们将生成的采样器组合在一起，以确保无论基线参数化如何，都能保持稳定的采样效率。我们使用模拟数据和真实数据对该模型的现有采样方法进行了广泛的比较。
关于整个系列，请参见[Zbl 1431.62012年].

引用于5文件

MSC公司：

2015年1月62日 贝叶斯推断
62P05号 统计学在精算科学和金融数学中的应用

关键词：

辅助充分交织战略（ASIS）;辅助混合物取样;贝叶斯推断;马尔可夫链蒙特卡罗（MCMC）;状态空间模型

软件：

潮韵诗;斯坦;斯托奇沃尔;结尾;对;卢比;卡爪
PDF格式BibTeX公司 XML格式引用
\textit{D.Hosszejni}和\textit{G.Kastner}，Springer Proc。数学。《法律总汇》296，75-83（2019年；兹bl 1435.62109）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Carpenter，B.、Gelman，A.、Hoffman，M.、Lee，D.、Goodrich，B.、Betancourt，M.和Brubaker，M.，Guo，J.、Li，P.、Riddell，A.：Stan：概率编程语言。J.统计软件。76(1), 1-32 (2017). https://doi.org/10.18637/jss.v076.i01 ·doi:10.18637/jss.v076.i01
[2] Carter，C.K.，Kohn，R.：状态空间模型的吉布斯抽样。《生物特征》81（3），541-553（1994）。https://doi.org/10.1093/biomet/81.3541 ·Zbl 0809.62087号 ·doi:10.1093/biomet/81.3.541
[3] Eddelbuettel，D.，François，R.:Rcpp:无缝R和\（C++）集成。J.统计软件。40(8), 1-18 (2011). https://doi.org/10.18637/jss.v040.2008 ·doi:10.18637/jss.v040.2008
[4] Frühwirth-Schnatter，S.：数据增强和动态线性模型。J.时间序列。分析。15(2), 183-202 (1994). https://doi.org/10.1111/j.1467-9892.1994.tb00184.x ·Zbl 0815.62065号 ·doi:10.1111/j.1467-9892.1994.tb00184.x
[5] Frühwirth-Schnatter，S.，Wagner，H.：高斯和部分非高斯状态空间模型的随机模型规范搜索。《经济学杂志》。154(1), 85-100 (2010). https://doi.org/10.1016/j.jeconom.2009.07.003 ·Zbl 1431.62373号 ·doi:100&publicationyear=2010&doi=10.1016/j.jeconom.2009.07.003
[6] Harvey，A.C.，Shephard，N.：资产收益非对称随机波动模型的估计。J.总线。经济。《美国联邦法律大全》第14（4）卷第429-434页（1996年）。https://doi.org/10.1080/07350015.1996.10524672 ·doi:10.1080/07350015.1996.10524672
[7] Jacquier，E.、Polson，N.G.、Rossi，P.E.：随机波动率模型的贝叶斯分析，具有最终结果和相关误差。《经济学杂志》。122(1), 185-212 (2004). https://doi.org/10.1016/j.jeconom.2003.09.001 ·Zbl 1328.91254号 ·doi:10.1016/j.jeconom.2003.09.001
[8] Kastner，G.：使用R包stochvol处理时间序列中的随机波动性。J.统计软件。69(5), 1-30 (2016). https://doi.org/10.18637/jss.v069.i05 ·doi:10.18637/jss.v069.i05
[9] Kastner，G.，Frühwirth-Schnatter，S.：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。统计数据分析。76, 408-423 (2014). https://doi.org/10.1016/j.csda.2013.01.002 ·Zbl 1506.62094号 ·doi:10.1016/j.csda.2013.01.002
[10] Kastner，G.，Frühwirth-Schnatter，S.，Lopes，H.F.：多元因子随机波动率模型的有效贝叶斯推断。J.计算。图表。《统计》第26（4）卷，第905-917页（2017年）。https://doi.org/101080/10618600.2017.1322091 ·doi:10.1080/106186002017.1222091
[11] Kriegel，H.P.，Schubert，E.，Zimek，A.：运行时评估的（黑色）艺术：我们是在比较算法还是实现？知识。信息系统。52341-378（2016年）。https://doi.org/10.1007/s10115-016-1004-2 ·doi:10.1007/s10115-016-1004-2
[12] 刘，J.S.：贝叶斯计算中的坍塌吉布斯采样器及其在基因调控问题中的应用。《美国统计协会期刊》89（427），958-966（1994）。https://doi.org/101080/01621459.1994.10476829 ·Zbl 0804.62033号 ·doi:10.1080/01621459.1994.10476829
[13] McCausland，W.J.，Miller，S.，Pelletier，D.：状态空间模型的模拟平滑：计算效率分析。计算。统计数据分析。55(1), 199-212 (2011). https://doi.org/10.1016/j.csda.2010.07.009 ·Zbl 1247.62238号 ·doi:10.1016/j.csda.2010.07.009
[14] Nakajima，J.，Omori，Y.：随机波动率模型中的杠杆、重轨和相关跳跃。计算。统计数据分析。53(6), 2335-2353 (2009). https://doi.org/10.1016/j.csda.2008.03.015 ·Zbl 1453.62163号 ·doi:10.1016/j.csda.2008.03.015
[15] Omori，Y.，Chib，S.，Shephard，N.，Nakajima，J.：杠杆作用下的随机波动性：快速有效的似然推断。《经济学杂志》。140(2), 425-449 (2007). https://doi.org/10.1016/j.jeconom.2006.07.008 ·Zbl 1247.91207号 ·doi:10.1016/j.jeconom.2006.07.008
[16] JAGS：使用吉布斯抽样分析贝叶斯图形模型的程序。In:Hornik，K.，Leisch，F.，Zeileis，A.（eds.）第三届分布式统计计算国际研讨会论文集（2003）
[17] Plummer，M.，Best，N.，Cowles，K.，Vines，K.：CODA：MCMC的收敛诊断和输出分析。R新闻6（1），7-11（2006）
[18] R核心团队：R：一种用于统计计算的语言和环境。R统计计算基金会（2018年）。https://www.R-project.org网站/
[19] Taylor，S.J.：两个随机过程的乘积建模的财务收益：1961-75年每日糖价研究。时间序列分析，理论与实践，第203-226页。荷兰北部，阿姆斯特丹（1982）
[20] Wickham，H.：tidyverse:轻松安装和加载“tidyverse”包（2017年）。https://CRAN.R-project.org/package=tidyverse。R包版本1.1.1
[21] Yu，Y·doi:10.198/jcgs.2011.203main文件
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。