马尔可夫切换 GARCH 模型的高效 Gibbs 采样
统计理论
2012-12-24 v1 统计理论
摘要
我们开发了用于切换 GARCH 模型贝叶斯推断的高效模拟技术。我们对现有文献的贡献是多方面的。首先，我们讨论了针对马尔可夫切换 (Markov Switching, MS) 状态空间模型的不同多步采样技术，特别关注 MS-GARCH 模型。我们的多步采样策略基于应用于 MS-GARCH 近似模型的前向滤波后向采样 (Forward Filtering Backward Sampling, FFBS)。另一个重要贡献是将多点采样器（如 Multiple-Try Metropolis (MTM) 和 Multiple trial Metropolize Independent Sampler）与 FFBS 结合用于 MS-GARCH 过程。从这个意义上说，我们将 So [2006] 关于连续状态空间模型高效 MTM 采样器的工作扩展到了 MS 状态空间模型。最后，我们建议在 FFBS 中引入 Craiu 和 Meng [2005] 以及 Craiu 和 Lemieux [2007] 提出的对偶采样，以进一步提高采样器效率。我们在 MS-GARCH 模型上的模拟实验表明，与单步 Gibbs 采样相比，我们的多点和多步策略使采样器获得了更高的效率。
引用
@article{arxiv.1212.5397,
title = {Efficient Gibbs Sampling for Markov Switching GARCH Models},
author = {Monica Billio and Roberto Casarin and Anthony Osuntuyi},
journal= {arXiv preprint arXiv:1212.5397},
year = {2012}
}
备注
38 pages, 7 figures