步长是使用现有的拇指规则选择的【Roberts和Rosenthal,1998年】作为= 1.37和= 使用Kalman方法和= 1.48和= 0.47当使用粒子方法时【Nemethet等人,2016年】。对于qMH方法,我们使用内存长度M=20,并使用随机游走建议,用于具有步长的第一个M次迭代 = 所有三个参数均为0.01。步长= 0.5用于初始M次迭代后的所有qMH算法。对LGSS模型进行重新参数化,以使马尔可夫链中的所有参数不受约束(能够假定任何实值),由φ=tanh((R)φ),σv=exp((R)σv)给出,其中θ={u,(R)φ,(R)σv}是马尔可夫链的新状态。变量的这种变化将aJacobian术语引入了接受概率,参见Dahlin和Sch¨on【2017年,第6.3.2节】。最后,我们使用以下先验密度u~ N(0,1),φ~ T不适用(-1,1)(0.5,1),σv~ G(2,2),其中T N(a,b)(·)表示[a,b]上的截断高斯分布,G(a,b)表示平均a/b的Gammadistribution。在第5.3节中,我们使用了与LGSS模型相同的设置,但将N增加到1500。此外,我们将先验值(p(u)保持不变)略微更改为φ~ T不适用(-1,1)(0.95,0.05),σv~ G(2,10),ρ~ T不适用(-1,1)(0,1),更好地反映了现实数据中通常存在的参数值。相关性ρ以与φ相同的方式重新参数化。比特币数据计算为yt=100[对数(st)-日志(st-1) ,其中St表示从https://www.quandl.com/BITSTAMP/USD.BHessian校正第一种方法通过∑?QN公司ψk,M= ∑QNψk,M- 2λminIp,λmindenoting为最小(负)特征值。这使所有特征值都变为正。
|