用于提升随机波动率模型 MCMC 估计的辅助-充分交织策略 (ASIS)
统计方法学
2019-03-08 v1 计量经济学
应用统计
统计计算
摘要
使用 MCMC 方法对随机波动率模型进行贝叶斯推断时，采样效率在很大程度上取决于实际的参数值。当潜在状态方程中的波动率波动参数较小时，利用标准中心化参数化从后验分布中抽取样本会失效；而当潜在变量序列具有高度持续性时，模型的非中心化版本则表现出不足。最近已有研究表明，辅助-充分交织这一新颖方法有助于克服一大类多水平模型的这些问题。在本文中，我们展示了如何将这种交织策略应用于随机波动率模型，从而在整个参数范围内极大地改善所有参数的采样效率。此外，这种“结合不同领域优势”的方法无需事先选择特定的参数化方式，即可对以前无法估计的参数组合进行推断。
引用
@article{arxiv.1706.05280,
title = {Ancillarity-Sufficiency Interweaving Strategy (ASIS) for Boosting MCMC Estimation of Stochastic Volatility Models},
author = {Gregor Kastner and Sylvia Frühwirth-Schnatter},
journal= {arXiv preprint arXiv:1706.05280},
year = {2019}
}