×
万中林;李红艳;罗，伊;黄一荣

一种新的估计长记忆参数的贝叶斯方法。 （英文） Zbl 07498026号

J.统计计算。模拟 92，第5期，1078-1091（2022）.
摘要：长记忆特性及其参数估计在金融计量经济学中具有重要意义。基于ARFIMA模型模拟的分形布朗运动序列，提出了一种新的贝叶斯方法来估计分数阶差分，并将其与重标度范围分析（R/S）、有向波动分析（DFA）和有向移动平均（DMA）的性能进行了比较。结果表明，贝叶斯方法的估计精度显著提高，并且比R/S和DFA方法的波动性更小。我们采用平均绝对误差和标准差作为衡量估计器有限样本性能的标准。为了检查稳健的结果，同时采用了四种不同的方法（即Gelman-Rubin诊断法、Geweke诊断法、Heidelberger-Welch诊断法、Raftery-Lewis诊断法）来监测贝叶斯方法中后验分布的收敛性。因此，根据本文的结果，贝叶斯模型的长记忆估计是首选的。

引用于1文件

MSC公司：

62至XX 统计

关键词：

分数微分;长记忆;赫斯特指数;ARFIMA公司;贝叶斯方法

软件：

WinBUGS公司;长备忘录;吉布斯特
PDF格式BibTeX公司 XML格式引用
\textit{Z.Wan}等人，《统计计算杂志》。模拟92，No.5，1078--1091（2022；Zbl 07498026）
全文： 内政部

参考文献：

[1] Hurst，H.，水库的长期蓄水量，Trans-Am Soc Civ Eng，116，1776-808（1951）
[2] Beran，J.，《长记忆过程统计》（1994），纽约：Chapman&Hall，纽约·兹比尔0869.60045
[3] Palma，W.，《长记忆时间序列：理论和方法》（2007），John Wiley and Sons·Zbl 1183.62153号
[4] Robinson，P.，长程相关性的高斯半参数估计，Ann Stat，32，5，1630-1661（1995）·Zbl 0843.62092号
[5] 曼德尔布罗特，BB；Wallis，JR.，分数噪声的计算机实验，《水资源研究》，5，1，228-241（1969）
[6] 霍斯金，JRM，分数差分，生物特征，68，165-176（1981）·Zbl 0464.62088号
[7] Geweke，J。；Porter-Hudak，S.，《长记忆时间序列模型的估计和应用》，《时序分析杂志》，4，221-238（1983）·Zbl 0534.62062号
[8] 彭，C-K；Buldyrev，SV；Havlin，S.，DNA核苷酸的镶嵌组织，Phys Rev E，49，21685-1689（1994）
[9] 阿莱西奥，E。；Carbone，A。；Castelli，G.，随机时间序列的二阶移动平均和标度，欧洲物理杂志B-Cond Mat Comp Syst，27，2，197-200（2002）
[10] Shimotsu，K。；Phillips，P.，分数积分的精确局部Whittle估计，Ann Stat，331890-1933（2002）·Zbl 1081.62069号
[11] 巴塔查里亚，注册护士；古普塔，VK；Waymire，E.，趋势下的赫斯特效应，J Appl Prob，20，3，649-662（1983）·Zbl 0526.60027号
[12] Abry，P。；Veitch，D.，长距离相关业务的小波分析，IEEE交易信息理论，44，1，2-15（1998）·Zbl 0905.94006号
[13] Zellner，A.，对数正态分布和对数正态回归的贝叶斯和非贝叶斯分析，美国统计协会杂志，66，334，327-330（1971）·Zbl 0226.62064号
[14] Zellner，A.，《使用g-先验分布、贝叶斯推断和决策技术评估先验分布和贝叶斯回归分析：纪念布鲁诺·德·菲内蒂的论文》，233-243（1986）·Zbl 0655.62071号
[15] 库普，G。；Potter，S.，《使用贝叶斯模型平均法预测大型宏观经济面板》，FRB NY员工报告，163（2003）
[16] Lancaster，T.，《现代贝叶斯计量经济学导论》（2004）。威利-布拉克韦尔·Zbl 1096.62140号
[17] Geweke，J.，《当代贝叶斯计量经济学与统计》（2005年）。约翰·威利父子·兹比尔1093.62107
[18] Ntzoufras，I.，使用WinBUGS的贝叶斯建模（2009），纽约（NY:John Wiley and Sons，纽约·兹比尔1218.62015
[19] 霍兰，S。；麦克罗伊，T。；Chakraborty，S.，估计长记忆参数的贝叶斯方法，贝叶斯分析，1,4159-190（2009）·Zbl 1330.62136号
[20] Papathomas，M.，《关于贝叶斯对数线性模型与g-priors逻辑回归模型的对应关系》，Test，27，1，197-220（2018）·Zbl 1386.62006年
[21] Garland，D。；约翰·G。；Susan，PH，ARFIMA模型的贝叶斯推断，《时序分析杂志》，40388-410（2019）·Zbl 1421.62119号
[22] 杰弗里，S。；Pai，NR.，用马尔可夫链蒙特卡罗方法对ARFIMA过程进行贝叶斯建模，J Forecast，15，2，63-82（1996）
[23] 伊泽尔丁，M。；哈桑，MK；Pappas，V.，《使用ARFIMA和HAR模型预测实际波动率》，Quant Financ，19，10，1627-1638（2019）·Zbl 1429.62472号
[24] Polotzek，K。；Kantz，H.，基于ARFIMA的日降雨量模型，可直接获得波动，斯托赫环境研究风险评估，34，20，1487-1505（2020）
[25] 卡斯，RE；Wasserman，L.，嵌套假设的参考贝叶斯检验及其与Schwarz准则的关系，J Amer Stat Assoc，90，431，928-934（1995）·Zbl 0851.62020号
[26] Fouskakis，D。；Ntzoufras，I。；Draper，D.，使用成本调整BIC进行贝叶斯变量选择，并应用于医疗质量的成本效益衡量，《Ann Appl Stat》，3，2，663-690（2009）·兹比尔1166.62082
[27] 盖尔曼，A。；Rubin，D.，《使用多序列的迭代模拟推断》，《统计科学》，第7457-511页（1992年）·Zbl 1386.65060号
[28] Raftery，A。；Lewis，S.，Gibbs采样器中有多少次迭代？，贝叶斯统计，4763-774（1992）
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。