GARCH模型的贝叶斯推断

编号:10-23440 | DOC格式 | 181.50K | 6 页

本文共 6 页,可试读 3

试读已结束,如需获得全文请点击下载

下载
已通过人工审核校对,完整可用,请放心下载 已加入诚信保障计划,若无法下载可先行赔付
豆知手机版上线啦
分享 收藏
立即下载

内容介绍

原文档由会员 一龙 发布

GARCH模型的贝叶斯推断
页数 6 字数2566
摘要:本文阐述了如何用Griddy-Gibbs抽样对GARCH模型进行贝叶斯推断。Gibbs抽样方法是基于完全条件后验密度的,但在GARCH模型中,参数的密度比较复杂,从而无法用共轭法来构造它的后验密度,对其直接抽样不可行。因此,本文把Gibbs抽样和数值积分法相结合,来从后验分布中进行抽样,并用CUMSUM统计量来判断抽样的收敛性。利用模拟产生的数据,本文分别用Griddy-Gibbs抽样和MLE两种方法来估计模型,并比较其结果,得出结论:这个Griddy-Gibbs抽样是可行的,且结果与MLE互有优劣
参考文献:
[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

扫扫二维码,随身浏览文档

手机浏览器 即可继续访问

推荐 UC浏览器 或 百度手机浏览器

手机阅读文档,一键扫码下载

获取二维码

微信公众号

手机 关注公众号

关注公众号,用微信扫描即可登录网站

获取二维码