GARCH模型的貝葉斯推斷

編號:10-23440 | DOC格式 | 181.50K | 6 頁

本文共 6 頁,可試讀 3

試讀已結束,如需獲得全文請點擊下載

下載
已通過人工審核校對,完整可用,請放心下載 已加入誠信保障計劃,若無法下載可先行賠付
豆知手機版上線啦
分享 收藏
立即下載

內容介紹

原文檔由會員 一龍 發布

GARCH模型的貝葉斯推斷
頁數 6 字數2566
摘要:本文闡述了如何用Griddy-Gibbs抽樣對GARCH模型進行貝葉斯推斷。Gibbs抽樣方法是基于完全條件后驗密度的,但在GARCH模型中,參數的密度比較復雜,從而無法用共軛法來構造它的后驗密度,對其直接抽樣不可行。因此,本文把Gibbs抽樣和數值積分法相結合,來從后驗分布中進行抽樣,并用CUMSUM統計量來判斷抽樣的收斂性。利用模擬產生的數據,本文分別用Griddy-Gibbs抽樣和MLE兩種方法來估計模型,并比較其結果,得出結論:這個Griddy-Gibbs抽樣是可行的,且結果與MLE互有優劣
參考文獻:
[1] Luc Bauwens and Michel Lubrano (1998), Bayesian inference on GARCH models using the Gibbs sampler, Econometrics Journal, volume 1, pp. c23-c46
[2] Bauwens, L. and P.Giot (1998), A Gibbs sampling approach to cointegration, Comput. Stat. Forthcoming.
[3] Bollerslev, T., R.Y.Chou and K. F. Kroner (1992), ARCH modeling in finance. J. Econometrics 52, 5-59
[4] Engle, R. F. and T. Bollerslev (1986). Modelling the persistence of conditional variances. Econometric Rev. 5, 1-50

掃掃二維碼,隨身瀏覽文檔

手機瀏覽器 即可繼續訪問

推薦 UC瀏覽器 或 百度手機瀏覽器

手機閱讀文檔,一鍵掃碼下載

獲取二維碼

微信公眾號

手機 關注公眾號

關注公眾號,用微信掃描即可登錄網站

獲取二維碼
海南飞鱼游戏历史开奖