20# tulipsliu
是的,我也是今天才突然明白,第一步单独估计每一个序列时,忘记加入 Markov regime switching 效应。所以这个程序后面的mrs_dcc_mvgarch_likelihoods函数,的确是按照那个论文,里面用的修正的 卡尔曼滤波 来做的,其实包括另一个朋友,我在帖子一楼引用的那个朋友的程序,他也是参考Lesage 的 JPL7程序里,regress\tvp_markov 这个程序来修改。里面有一个用卡尔曼滤波做的估计,Kim的论文也是这样提到。不过DCC_GARCH 和其他的不太同。所以压缩文件里包含的论文也提到,Kalman filter 他做了修正,同时包含 似然函数,以此递归求解,求出DCC的动态相关系数和状态转移的转移概率以及其他。
哥们儿,我9月份得考试,这个程序暂时到这里了。不过有时间还会继续。谢谢你给了这么多指导。尤其是指出我和另一个朋友同时都忘记第一个估计Ht的fattailed_garch这里都忘记加入状态效应。
不过这次也有收获。程序估计时,收敛很慢,这样的debug过程,增加了对计量经济学里对各种算法的理解。这次的这个,在参考格林的《计量经济学》里,有一个两阶段QMLE估计法,也是这个。也可以对比朱钧钧用得娴熟的“格点Gibbs”算法。
记得有一次似然函数设置错误,后面的数值都是 NaN,后面到 mrs-dcc_mvgarch() 主程序时, Ht(iter)=sqrt(Rt(iter))^-1*H*sqrt(Rt(iter))^-1.因为是开根号,结果NaN导致程序错误,Debug 的过程也是一个学习的过程。
期待其他朋友补充上这个了。公开讨论,其实我们免费,自由地使用Keven 的USCD_GARCH 工具箱时,我们能补充到状态装异的,让更多感兴趣的人可以参考,也是一个一块的分享过程。
当然,这次很愉快的是可以和你一起讨论。 我先专心考试了,9月份后再继续。