• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Adaptive MCMC methods for inference on affine stochastic volatility models with jumps
【24h】

Adaptive MCMC methods for inference on affine stochastic volatility models with jumps

机译：带有跳的仿射随机波动率模型的自适应MCMC方法

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

In this paper we propose an efficient Markov chain Monte Carlo (MCMC) algorithm to estimate stochastic volatility models with jumps and affine structure. Our idea relies on the use of adaptive methods that aim at reducing the asymptotic variance of the estimates. We focus on the Delayed Rejection algorithm in order to find accurate proposals and to efficiently simulate the volatility path. Furthermore, Bayesian model selection is addressed through the use of reduced runs of the MCMC together with an auxiliary particle filter necessary to evaluate the likelihood function. An empirical application based on the study of the Dow Jones Composite 65 and of the FTSE 100 financial indexes is presented to study some empirical properties of the algorithm implemented.
机译：在本文中，我们提出了一种有效的马尔可夫链蒙特卡洛（MCMC）算法，用于估计具有跳变和仿射结构的随机波动率模型。我们的想法依靠使用自适应方法来减少估计的渐近方差。我们专注于延迟拒绝算法，以便找到准确的建议并有效地模拟波动率路径。此外，贝叶斯模型的选择通过使用减少的MCMC运行以及评估似然函数所需的辅助粒子滤波器来解决。提出了一个基于道琼斯综合指数65和FTSE 100财务指标研究的经验应用，以研究所实现算法的一些经验属性。

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