MRS DCC GARCH 模型的MATLAB 程序修改

学习了。非常感谢大家的精彩发言

给顶起来。。。。

我发现对这个问题感兴趣的人还真不少啊，如果有人懂的能教教我就好啦！谁准备开班我就积极参加！自己看太痛苦啦

您好，我运行您上传的Marcucci_Programs_and_Data文件夹中的mrsgarchestfor_con_all.m，运行了好久，出现了这样的错误
??? Undefined function or variable 'fid'.

Error in ==> mrsgarchestfor_con_all at 354
    status = fclose(fid);
请问应该怎么修改呢？

nc2100 发表于 2013-10-26 10:35
另外，朱博士的paper里说文章用的是random walk MH抽样，但是程序里%标注的是Gibbs抽样，这个程序究竟是用 ...

您好，虽然是2013年的帖子了，但是我还是回复一下吧，最近刚好在研究这些，希望后来人看到了也能有启发，把这个帖子进行下去，是这样，在拟合马尔可夫机制转移模型参数的办法中，MCMC (马尔可夫链蒙特卡洛)是一种构建分布的分布抽样方法，是最初的一个数学方法，它由chapman-kologronvo equation为引理去一步步证明了它这种方法的可行性，并引申出来了detailed balance这一条定理。那么在这之后，MCMC它主要有两种具体的抽样算法(sampling algorithm)去实现它的分布抽样思想，第一种叫MH algorithm，它的全称是Mentroplis-Hastings sampling algorithm, 第二种便是Gibbs samping algorithm。这两种算法最大的不同便是他们各自针对的数据抽样的维度，第一种MH是针对一维数据采样去构建一个一维分布(如一维高斯分布)的，第二种Gibbs是针对多维数据去采样构建一个高维分布(如三维高斯分布)的，这两个算法都涉及到了接收率这个概念，具体的数学表达我就略过不说了，大家可以具体去查一查，现在的资料已经比较多了，那么在第一种方法MH里是存在接收率的，并且它有实际地产生作用，因为其接收率为0到1之间，但是在第二种方法Gibbs里的接收率，通过数学推导之后接收率被证明为1，也就意味着其接收率为100%，所以可以理解为第二种方法Gibbs不存在接收率了，因为采样都会被接收，因此从数学上来看，第二种方法Gibbs也是第一种方法MH的一个特殊化形式。