随机波动模型中的动态偏度：惩罚性先验方法
统计金融
2025-08-15 v1 应用统计
摘要
金融时间序列常表现出偏度和厚尾特征，为确保结果更可靠，必须使用包含这些特征的模型。此外，允许偏度参数随时间变化可为这类序列的分析带来显著收益。然而，对于更稳健的建模至关重要的是发展在灵活性和简约性之间进行权衡的模型。本文提出了基于惩罚性先验的 SMSN 系列中的动态偏度随机波动模型 (DynSSV-SMSN)。通过使用 Hamiltonian 蒙特卡洛 (HMC) 方法通过 \texttt{RStan} 包进行参数估计。仿真结果表明，惩罚性先验在多种情形下优于经典选择。在对加密货币收益进行经验应用时，具有厚尾和动态偏度的模型根据 DIC、WAIC 和 LOO-CV 信息准则提供更佳的数据拟合。
引用
@article{arxiv.2508.10778,
title = {Dynamic Skewness in Stochastic Volatility Models: A Penalized Prior Approach},
author = {Bruno E. Holtz and Ricardo S. Ehlers and Adriano K. Suzuki and Francisco Louzada},
journal= {arXiv preprint arXiv:2508.10778},
year = {2025}
}
备注
18 pages and 6 figures