一种高效拟合单变量与多变量随机波动率模型的方法
统计方法学
2019-07-22 v1 统计计算
摘要
随机波动率模型是刻画资产波动率的常用工具。该模型是一个非线性、非高斯的状态空间模型，因此难以拟合。许多经典与贝叶斯方法已被提出，它们依赖于拟极大似然估计与马尔可夫链蒙特卡罗（MCMC）等数值密集型技术。在从后验分布顺序抽取样本时，收敛与混合问题仍困扰着 MCMC 算法。尽管粒子 Gibbs 方法在一般非线性或非高斯状态空间模型中应用成功，但在具体应用于随机波动率模型时，收敛缓慢仍是该技术的一大难题。我们提出了一种将粒子 Gibbs 与祖先采样及联合参数采样相结合的方法，缓解了在拟合单变量与多变量随机波动率模型时的收敛缓慢与混合问题。我们在多个数值例子上展示了这一增强方法。
引用
@article{arxiv.1907.08372,
title = {An Approach to Efficient Fitting of Univariate and Multivariate Stochastic Volatility Models},
author = {Chen Gong and David S. Stoffer},
journal= {arXiv preprint arXiv:1907.08372},
year = {2019}
}
备注
Code here: https://github.com/nickpoison/Stochastic-Volatility-Models