基于含未知分量数的有限高斯混合的随机波动率模型贝叶斯分析
统计方法学
2021-10-26 v1
摘要
金融研究需要基于波动率的模型，以提供与投资相关风险的有用见解。随机波动率模型是此类研究中建模波动率最流行的方法之一。所研究的资产收益可能来自多个簇，假设标准分布难以很好刻画。混合分布更适合此类情形。本工作展示了一种能够研究有限混合但分量数未知的算法。该算法使用出生-死亡过程调整混合分布中的分量数并相应分配权重。然后将该混合分布设定用于资产收益，并在贝叶斯框架下拟合半参数随机波动率模型。研究了高斯混合的特定情形。通过适当的先验设定，使用Gibbs抽样方法生成后验链并评估模型收敛性。以印度国家银行的股票收益数据为例说明了该方法。
引用
@article{arxiv.2110.12824,
title = {Bayesian Analysis of Stochastic Volatility Model using Finite Gaussian Mixtures with Unknown Number of Components},
author = {Soham Mukherjee},
journal= {arXiv preprint arXiv:2110.12824},
year = {2021}
}
备注
15 pages, 3 figures, 2 tables