用R包处理时间序列的随机波动性

请注意，这些选择中的大多数都提供了大量信息，并针对日志返回百分比进行了清晰的设计。Gregor Kastner 7为了指定对数方差持续性的先验超参数φ，可以使用参数priorphi。它也是一个长度为2的向量，包含a和B指定的不等式4。如第2.2节所述，这些值可能非常有用，因此我们建议仔细选择它们，并研究不同选择的影响。默认值目前通过c（5，1.5）给出，这意味着先前的平均值为0.54，先前的标准偏差为0.31。对数方差超参数Bση的先验方差可通过先验西格玛进行控制。如果用户未提供此参数，则此参数默认为1。如第2.2节所述，在典型应用中，该值的正确选择通常不是很有效。一般来说，除非有很好的理由，例如明确的先验知识，否则不应将其设置得太小。为了指定老化的大小，提供了参数burnin。为了确保收敛到链的平稳分布，需要运行但丢弃MCMC迭代的数量。此参数的当前默认值为1000，这在大多数情况下都很有用。然而，鼓励用户仔细检查收敛性；详见第3.4节。burn Inca之后运行的迭代量可以通过参数绘制指定，目前默认为10000。因此，采样器总共运行burnin+draws迭代。有三个减薄参数可用，如果没有规定，则所有参数均为1。firstone thinpara是存储的参数绘制分数（即θ绘制）中的分母。E、 如果thinpara等于10，则保持每10次平局。默认参数thinningvalue为1表示保存所有绘图。

第二个细化参数thinlatent对潜在变量h的作用方式相同。第三个细化参数thintime是指对潜在波动性的时间维度的思考。在thintimeis大于1的情况下，并非存储h的所有元素，例如，对于thintime等于10的情况，仅提取h、h、h、。（和h）保留。另一个配置参数是quiet，默认为FALSE。如果设置为TRUE，则将忽略采样期间的所有输出（进度条、状态消息）。参数startpara和starttatent分别是参数向量θ和潜在变量lsh的可选起始值。所有其他配置参数在argument expert中进行了总结，因为最终用户不太可能需要处理默认值。有关详细信息，请参阅包装文件以及Kastner和Fr–uhwirth Schnatter（2014）。任何其他参数（…）转发到updatesummary，控制为后期绘制计算的摘要统计信息的类型。3.3. 在stochvol包的核心运行sampler时，函数svsample充当用C编码的实际采样器的R包装器。

下面截取的代码以及默认输出中给出了此函数的示例用法。可随专家参数更改的配置示例包括（基线）参数化的规格（居中或非居中）以及转换为相互交织的可能性。此外，可以在此处找到一些算法细节，例如用于参数更新的块数或使用随机行走Metropolis Hastings方案（而不是默认的独立方案）的可能性。8使用R包stochvolR>res<-svsample（ret，priormu=c（-10，1），priorphi=c（20，1.1），+priorsigma=0.1）处理时间序列中的随机波动性，调用带有11000 iter的GIS\\U c MCMC采样器。序列长度为3139.0%[+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++]100%计时（已用时间）：12.92秒。每秒851次迭代。正在将结果转换为尾波对象。。。完成！正在汇总后期绘图。。。完成！可以看到，此函数调用主MCMC采样器，并将其输出转换为codacompatible对象。后者主要是出于兼容性的原因，并为了直接访问在那里实现的聚合诊断检查。此外，还计算了后期绘制的一些汇总统计数据。SVSample的返回值是svdraws类型的对象，它是一个包含八个元素的命名列表，包含（1）第段中的参数绘制，（2）潜在对数波动率绘制，（3）潜在对数波动率绘制（latent0）的初始值，（4）y中提供的数据，（5）runtime中的采样运行时间，（6）先验超参数，（7）细化中的细化值，（8）这些绘图的汇总统计，以及其中的一些常见转换，如汇总。3.4.

评估输出并显示结果按照常见做法，svdraws对象可以使用打印和摘要方法。其中每一个都有两个可选参数，showpara和show潜伏，指定应显示的输出。如果showpara为TRUE（默认设置），则会显示参数绘图的值/摘要。如果Show潜伏期为TRUE（默认值），则显示最近变量绘图的值/摘要。在下面的示例中，将显示参数drawsonly的摘要。R> 1000次老化后10000 MCMC绘图的摘要（res，show潜伏=FALSE）。先验分布：mu~Normal（mean=-10，sd=1）（phi+1）/2~Beta（a0=20，b0=1.1）sigma^2~0.1*Chisq（df=1）参数的后验分布（thinking=1）：平均sd 5%50%95%ESMU-10.1366 0.22711-10.4749-10.1399-9.7933 4552phi 0.9935 0.00282 0.9886 0.9938 0.9977 397 sigma 0.0656 0.01001 0.0509 143exp（mu/0.0003）0.0075 sigma 0.00530.0042 0.0069 143Gregor Kastner 9以下段落介绍了为svsample类对象专门设计的多个绘图功能。（1） volplot：绘制潜在波动率的后分位数，以百分比表示，即100 exp（ht/2）随时间的后验分布的经验分位数。除了强制svsample对象本身之外，此函数还接受几个可选参数。这里只提到一些；有关详细列表，请参阅相应的帮助文档，可通过访问？volplot或帮助（volplot）。常用的可选参数包括n步前波动率预测的预测、x轴上标签的日期以及一些图形参数。

下面截取的代码显示了一个典型的示例，图3显示了其输出。R> volplot（res，forecast=100，dates=exrates$date[-1]）估计波动率百分比（5%/50%/95%后分位数）0.4 0.6 0.8 1.0 1.2 1.4 1.62001-12-14 2003-12-03 2005-11-11 2007-10-26 2009-10-13 2011-09-21图3:volplot提供的欧元兑美元汇率估计同期波动的可视化。如果未另行规定，则绘制后中位和5%/95%分位数。右侧虚线表示预测的未来波动率。如果用户想要显示不同的后分位数，则必须首先调用updatesummary函数。有关示例，请参见下面的代码，相应的图请参见图4。R> res<-updatesummary（res，分位数=c（0.01，0.1，0.5，0.9，0.99））R>volplot（res，forecast=100，dates=exrates$date[-1]）10使用R包stochvol处理时间序列中的随机波动率估计波动率百分比（1%/10%/50%/90%/99%后分位数）0.5 1.0 1.52001-12-14 2003-12-03 2005-11-11 2007-10-26 2009-10-13 2011-09-21图4：如上所述，现在有中间值（黑线）和1%/10%/90%/99%分位数（灰线）。此行为可以通过前面的updatesummary调用来实现。（2） 副迹线图：显示θ中包含的参数的迹线图。请注意，老化已被丢弃。图5显示了一个示例。R> par（mfrow=c（3，1））R>副消旋图（res）（3）paradensplot：显示θ中所含参数的核密度估计。如果参数showobs为TRUE（这是默认值），则会通过地毯指示各个后拉，即沿x轴的短垂直线。对于大型后验样本的快速绘制，此参数应设置为FALSE。

如果参数showPrevior为TRUE（这是默认值），则先验分布通过修改后的灰线表示。图6显示了从汇率数据集获得的欧元兑美元汇率的样本输出。R> par（mfrow=c（1，3））R>paradensplot（res，showobs=FALSE）svdraws对象的通用绘图方法将所有上述绘图合并到一个绘图中。可以使用上述所有参数。看见情节svsample提供了可能参数的详尽摘要，图7提供了一个示例。Gregor Kastner 112000 4000 6000 8000 10000-11-10-9-8μ的迹线（thin=1）2000 4000 6000 8000 100000.980 0 0.990 1.000φ的迹线（thin=1）2000 4000 6000 8000 100000.04 0.08 0.12σ的迹线（thin=1）图5：参数u、φ、ση的后向绘制迹线图。-12-11-10-9-80.0 0.5 1.0 1.5 2.0 mu0.980 0.985 0.990 0.995 1.0000 20 40 60 80 100 120 140 phi0.04 0.06 0.08 0.10 0.120 10 20 30 40 sigmaFigure 6的密度：后验密度估计值（黑色实线）以及前验密度（虚线）。单个后部牵引由下面的地毯指示。12使用R软件包stochvolR>绘图（res，showobs=FALSE）处理时间序列中的随机波动率估计波动率百分比（1%/10%/50%/90%/99%后分位数）0.5 1.0 1.50 500 1000 1500 2000 2500 300020000 4000 6000 8000 10000-11-10-9-8微量mu（thin=1）2000 4000 6000 8000 100000.980 0 0.985 0.990 0.995 1.000微量phi（thin=1）2000 4000 6000 8000 100000.04 0.06 0.08 0.10 0.12微量sigma（thin=1）-12-11-10-9-80.0 0.5 1.0 1.5 2.0 mu0.980 0.985 0.990 0.995 1.0000 20 40 60 80 120 phi0.04 0.06 0.08 0.10 0.120 10 20 30 40 sigmaFigure 7的密度：svdraws对象的默认打印方法图示。

该可视化将volplot（图4）、traceplot（图5）和paradensplot（图6）组合成一个单独的图。对于提取标准化残差，残差/残差方法可用于givensvdraws对象。对于可选的参数类型，可以指定汇总统计的类型。目前，类型可以是“平均值”或“中值”，其中前者对应默认值。此方法返回svresid类的实向量，其中包含每个时间点的标准化残差的请求摘要统计信息。还有一种绘图方法可用，当通过参数origdata给出时，可以选择将标准化需求与原始数据进行比较。