• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Bayesian analysis of stochastic volatility-in-mean model with leverage and asymmetrically heavy-tailed error using generalized hyperbolic skew Student’s t-distribution
【2h】

Bayesian analysis of stochastic volatility-in-mean model with leverage and asymmetrically heavy-tailed error using generalized hyperbolic skew Student’s t-distribution

机译：使用广义双曲斜学生t分布的具有杠杆和不对称重尾误差的随机均值波动模型的贝叶斯分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A stochastic volatility-in-mean model with correlated errors using the generalized hyperbolic skew Student-t (GHST) distribution provides a robust alternative to the parameter estimation for daily stock returns in the absence of normality. An efficient Markov chain Monte Carlo (MCMC) sampling algorithm is developed for parameter estimation. The deviance information, the Bayesian predictive information and the log-predictive score criterion are used to assess the fit of the proposed model. The proposed method is applied to an analysis of the daily stock return data from the Standard & Poor’s 500 index (S&P 500). The empirical results reveal that the stochastic volatility-in-mean model with correlated errors and GH-ST distribution leads to a significant improvement in the goodness-of-fit for the S&P 500 index returns dataset over the usual normal model.
机译：使用广义双曲线偏斜学生-t（GHST）分布的具有相关误差的随机均值波动模型提供了一种在不存在正态性的情况下每日股票收益的参数估计的可靠替代方法。提出了一种有效的马尔可夫链蒙特卡洛（MCMC）采样算法，用于参数估计。偏差信息，贝叶斯预测信息和对数预测得分标准用于评估所提出模型的拟合度。提议的方法用于分析标准普尔500指数（S＆P 500）的每日股票回报数据。实证结果表明，具有相关误差和GH-ST分布的随机均值波动模型导致标准普尔500指数收益数据集的拟合优度比通常的正常模型有了显着提高。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号