基于Gibbs采样器的带跳跃的非高斯随机波动率模型

(2018). 非参数随机波动率。计量经济学理论，1-49。[3] Brooks，C.和Prokopczuk，M.（2011年）。商品过程的动态。ICMACentre金融讨论文件，DP2011-09。[4] Chib，S.Nardari，F.和Shephard，N.（2002年）。随机波动率模型的马尔可夫链蒙特卡罗方法。《计量经济学杂志》，108:281–316。[5] Eraker，B.Johannes，M.和Polson，N.（2003年）。波动性和回报率跳跃的影响。《金融杂志》，58:1269–1299。[6] Gamerman，D.Santos，T.和Franco，G.（2013年）。具有精确边际似然的非高斯状态空间模型族。《时间序列分析杂志》，34:625–645。[7] Kanaya，S.和Kistensen，D.（2016年）。通过非参数滤波估计随机波动率模型。计量经济学理论，32（4）：861-916。[8] Kastner，G.（2016）。使用RPackage stochvol处理时间序列中的随机波动。《统计软件杂志》，65（5）：1-30。[9] Lee，S.和Maykland，P.（2008年）。金融市场的跳跃：一种新的非参数检验和跳跃动力学。《金融研究评论》，21:2535–2563。[10] Li，H.Wells M.和Yu，C.（2008）。利维跳跃收益动态的贝叶斯分析。《金融研究回顾》，21:2345–2378。[11] Merener，N.（2015）。集中生产和有条件的大宗商品收益重尾。《期货市场杂志》，XX:1-20。[12] Nakajima，J.和Omori，Y.（2007）。随机波动率模型中的杠杆、重尾和相关跳跃。CARF工作文件，CARF-F-107。[13] Omori，Y.Chib，S.Shephard，N.和Nakajima，J.（2007）。杠杆作用下的随机波动性：快速有效的可能性推断计量经济学杂志，140:425–449。[14] Prado，R.和West，M.（2010年）。时间序列建模、计算和推理。华润出版社，博卡拉顿。[15] Raftery，A.E.和Lewis，S.M.（1992年）。

Gibbs采样器中有多少次迭代？。贝叶斯统计，4:765–776。[16] Schwartz，E.和Smith，J.（2000年）。商品价格的短期变化和长期动态。《管理科学》，46:893–911。[17] 统计计算的R基础。(2015). R版本3.2.1[计算机软件]。检索自http://www.r-project.org/.[18] Todorov，V.（2010年）。差异风险溢价动态：跳跃的作用。《金融研究评论》，23:345–383。[19] Triantafyllopoulos，K.（2008）。贝叶斯动态线性模型的多元随机波动率。《统计规划与推理杂志》，138:1021–1037。[20] Warty，S.Lopes，H.和Polson，N.（2017年）。收益率方差gamma跳跃的随机波动率序列贝叶斯学习。《商业与工业应用随机模型》，34:460–479。[21]West，M.和Harrison，J.（1997）。贝叶斯预测和动态模型。斯普林格，纽约。[22]Wit，E.Heuvel，E和Romeijn，J.（2012）。所有型号都错误…：模型不确定性介绍。内政部尼尔兰迪卡统计局：10.1111。λt的取样本附录显示了λ的后验样本是如何提取的【Gamerman等人，2013年】。p（λ| Yn，ν）的联合分布密度为（λ|Д，Yn）=p（λn |Д，Yn）n-1Yt=1p（λt |λt+1，Д，Yt）p（Д| Yn），其中（λt |λt+1，Д，Yt）的分布由λt给出- ωλt+1 |λt+1，Д，Yt~ 伽马（（1- ω） at，bt），t型≥ 0，其中At和Bt是过滤参数。在线或更新的分布λt |Д，Yt，其中Д=（θt，Jyt，γt，ω）由：p（λt |Д，Yt）给出-1) ~ γ（ωat-1，ωbt-1） p（λt |Д，Yt）∝ （λt）ωat-1.-1e级-λtωbt-1.γ-1tλ-1吨经验值-（年初至今）- Ftθt- Jt）2γ-1tλ-1吨p（λt |Д，Yt）∝ （λt）ωat-1+-1exp-λtωbt-1+γt（Yt- Ftθt- Jt）p（λt |Д，Yt）~ 伽马射线ωat-1+，ωbt-1+γt（Yt- Ftθt- Jt）根据该定理和一个p（Д| Yn）样本，可以按照以下算法获得节理分布的精确样本（λ| Yn，Д）：1。

设置t=n和样本p（λn |Д，Yn）；2、设置t=t-1和样本p（λt |λt+1，Д，Yt）；3、如果t＞1，则返回步骤2；否则，（λ，…，λn |Д，Yn）的样本完成。该程序允许实施第2.2节第四步中所述的算法，并能够从以其他参数为条件的平滑状态分布中获得精确样本。