×
里卡多·埃勒斯;泽瓦洛斯，M。

基于INLA的随机波动率模型的贝叶斯估计和预测。 （英语） Zbl 1328.62162号

Commun公司。统计、仿真计算。 44，第3期，683-693（2015）。
摘要：在本文中，我们评估了在随机波动率（SV）模型上使用集成拉普拉斯近似（INLA）的贝叶斯估计和预测。这是通过蒙特卡罗研究对1000个模拟时间序列进行的。为了评估估计方法，考虑了两个标准：均方误差的偏差和平方根(中小企业). 用于预测的标准是波动率的一步预测和一日风险价值（VaR）。主要结果是，INLA近似对于选择持久性参数的先验分布是相当准确和相对稳健的。此外，计算并比较了三个金融时间序列收益指数的VaR估计值。

引用于1文件

MSC公司：

2015年1月62日 贝叶斯推断
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

贝叶斯方法;INLA公司;拟最大似然;随机波动率模型

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit{R.Ehlers}和\textit{M.Zevallos}，Commun。统计、仿真计算。44，第3号，683--693（2015；Zbl 1328.62162）
全文： 内政部

参考文献：

[1] Andersen T.，《商业与经济统计杂志》，第14页，328–352页，（1996年）
[2] 内政部：10.1111/1467-9469.t01-1-00045·Zbl 0934.62109号 ·doi:10.1111/1467-9469.t01-1-00045
[3] 数字对象标识码：10.1111/j.1467-6419.2004.00232.x·doi:10.1111/j.1467-6419.2004.00232.x
[4] 内政部：10.2307/2297980·Zbl 0805.90026号 ·doi:10.2307/2297980
[5] 内政部：10.1080/07350015.1994.10524553·doi:10.1080/07350015.1994.10524553
[6] 内政部：10.1080/1351847X.2010.495475·网址：10.1080/1351847X.2010.495475
[7] R： 统计计算的语言和环境（2006）
[8] 内政部：10.1201/9780203492024·doi:10.1201/9780203492024
[9] 内政部：10.1111/j.1467-9868.2008.00700.x·Zbl 1248.62156号 ·doi:10.1111/j.1467-9868.2008.00700.x
[10] 内政部：10.1007/978-3-540-71297-8_10·Zbl 1178.91233号 ·doi:10.1007/978-3-540-71297-8_10
[11] Taylor S.，《金融时间序列建模》（1986年）·Zbl 1130.91345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。