首页 | 本学科首页   官方微博 | 高级检索  
     

基于MCMC的贝叶斯长记忆随机波动模型研究
引用本文:郝立亚,朱慧明,李素芳,曾惠芳. 基于MCMC的贝叶斯长记忆随机波动模型研究[J]. 湖南大学学报(自然科学版), 2011, 38(10): 82-87
作者姓名:郝立亚  朱慧明  李素芳  曾惠芳
作者单位:湖南大学工商管理学院;
基金项目:国家自然科学基金资助项目(NSFC70771038);国家自然科学基金项目重点项目(71031004); 教育部留学回国人员科研启动基金项目(教外司留[2010]609);教育部长江学者与创新团队发展计划《经济管理复杂系统中的建模、优化与决策研究》(IRT0916); 国家社科基金重点资助项目(11AJL008)
摘    要:针对贝叶斯长记忆随机波动模型的单步Gibbs抽样算法效率低下的问题,通过对模型在状态空间框架下的近似表示,将向前滤波向后抽样算法引入对波动变量的估计过程中,同时在贝叶斯框架下分析了模型参数的满条件后验分布,设计出Gibbs联合抽样算法.更进一步,在对模型进行参数估计的基础上,提出波动变量的向前多步预报分布的估计方法.模...

关 键 词:仿真分析  随机波动  贝叶斯分析  抽样  马尔科夫过程

Markov Chain Monte Carlo Methods for Bayesian Long Memory Stochastic Volatility Models
HAO Li-y,ZHU Hui-ming,LI Su-fang,ZENG Hui-fang. Markov Chain Monte Carlo Methods for Bayesian Long Memory Stochastic Volatility Models[J]. Journal of Hunan University(Naturnal Science), 2011, 38(10): 82-87
Authors:HAO Li-y  ZHU Hui-ming  LI Su-fang  ZENG Hui-fang
Affiliation:HAO Li-ya,ZHU Hui-ming,LI Su-fang,ZENG Hui-fang(College of Business Administration,Hunan Univ,Changsha,Hunan 410082,China)
Abstract:This paper was concerned with simulation-based inference in generalized models of stochastic volatility with long memory.A more efficient Markov Chain Monte Carlo sampling method was exploited to the analysis of the model,compared with the single step Gibbs sampling method.Based on the truncated likelihood method,in which the long memory stochastic volatility model was expressed as a linear state space model,we utilized the forward filtering backward sampling method to sample all the unobserved volatilities...
Keywords:simulation  stochastic volatility  Bayesian analysis  markov processes  
本文献已被 CNKI 等数据库收录!
点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《湖南大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号