...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Numerical integration-based Gaussian mixture filters for maximum likelihood estimation of asymmetric stochastic volatility models
【24h】

Numerical integration-based Gaussian mixture filters for maximum likelihood estimation of asymmetric stochastic volatility models

机译：基于数值积分的高斯混合滤波器，用于非对称随机波动率模型的最大似然估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

I consider Gaussian filters based on numerical integration for maximum likelihood estimation of stochastic volatility models with leverage. I show that for this class of models, the prediction step of the Gaussian filter can be evaluated analytically without linearizing the state-space model. Monte Carlo simulations show that the mixture Gaussian filter performs remarkably well in terms of both accuracy and computation time compared to the quasi-maximum likelihood and importance sampler filters. The result that the prediction step of the Gaussian filter can be evaluated analytically is shown to apply more generally to a number of commonly used specifications of the stochastic volatility model.
机译：我考虑基于数值积分的高斯滤波器，以利用杠杆对随机波动率模型进行最大似然估计。我表明，对于此类模型，可以在不线性化状态空间模型的情况下分析评估高斯滤波器的预测步骤。蒙特卡洛模拟显示，与准最大似然和重要性采样器滤波器相比，混合高斯滤波器在准确性和计算时间方面均表现出色。高斯滤波器的预测步骤可以进行分析评估的结果显示为更普遍地应用于随机波动率模型的许多常用规范。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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