摘要

当在Metropolis–Hastings链中使用无偏似然估计量时,有必要权衡用于构建此估计量的蒙特卡罗样本数与在此链下计算的平均值的渐近方差。使用许多蒙特卡罗样本通常会得到Metropolis–Hastings平均值,其渐近方差低于使用较少样本的相应平均值;然而,构造似然估计所需的计算时间随着样本数的增加而增加。假设由对数似然估计量引入的加性噪声的分布是高斯分布,方差与样本数成反比,并且与评估时的参数值无关,我们提供了样本数的选择指南。我们通过考虑应用于股票指数收益的随机波动率模型来说明我们的结果。

此内容仅以PDF格式提供。
您当前没有访问此文章的权限。