...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of statistical computation and simulation >Estimation and prediction of time-varying GARCH models through a state-space representation: a computational approach
【24h】

Estimation and prediction of time-varying GARCH models through a state-space representation: a computational approach

机译：通过状态空间表示估算和预测时变GARCH模型：一种计算方法

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a state-space approach for GARCH models with time-varying parameters able to deal with non-stationarity that is usually observed in a wide variety of time series. The parameters of the non-stationary model are allowed to vary smoothly over time through non-negative deterministic functions. We implement the estimation of the time-varying parameters in the time domain through Kalman filter recursive equations, finding a state-space representation of a class of time-varying GARCH models. We provide prediction intervals for time-varying GARCH models and, additionally, we propose a simple methodology for handling missing values. Finally, the proposed methodology is applied to the Chilean Stock Market (IPSA) and to the American Standard&Poor's 500 index (S&P500).
机译：我们为GARCH模型提出了一种状态空间方法，该模型具有随时间变化的参数，能够处理通常在各种时间序列中观察到的非平稳性。通过非负确定性函数，可以使非平稳模型的参数随时间平滑变化。我们通过卡尔曼滤波器递推方程实现时域中时变参数的估计，找到一类时变GARCH模型的状态空间表示。我们为时变的GARCH模型提供了预测间隔，此外，我们提出了一种用于处理缺失值的简单方法。最后，所提出的方法适用于智利股票市场（IPSA）和美国标准普尔500指数（S＆P500）。

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