大面板时间序列数据中跳跃的贝叶斯预测
统计金融
2021-04-30 v4 应用统计
统计计算
摘要
我们重新审视日股票收益波动与跳跃过程分离的问题。首先给出带泊松驱动跳跃的单变量随机波动率模型的计算框架，提供相较于现有工具的竞争性推断替代方案。然后将该方法扩展至大量股票，假定其未观测跳跃强度通过动态因子模型随时间共演化。为评估所提建模方法，我们进行样本外预测并比较不同模型所得后验预测分布。我们提供证据表明跳跃的联合建模提升了随机波动率模型的预测能力。
引用
@article{arxiv.1904.05312,
title = {Bayesian prediction of jumps in large panels of time series data},
author = {Angelos Alexopoulos and Petros Dellaportas and Omiros Papaspiliopoulos},
journal= {arXiv preprint arXiv:1904.05312},
year = {2021}
}
备注
49 pages, 27 figures, 4 tables