竞争存储模型的估计：一种模拟似然方法
统计方法学
2017-01-10 v1
摘要
本文针对竞争存储模型开发了一种粒子滤波最大似然估计量。该估计量适用于仅能获得可靠价格数据用于估计且冲击具有时间依赖性的商品市场中的推断问题。当冲击不是iid时，该估计量有效利用了价格条件分布中的信息。与Deaton和Laroque的复合拟最大似然估计量相比，模拟实验和真实数据估计显示在偏差和精度上均有实质性改进。模拟实验还表明，随着价格数据增多，粒子滤波估计量的精度比复合拟最大似然估计量提升更快。为展示该估计量及其与实际数据的相关性，我们将存储模型拟合到月度天然气价格数据集。结果表明，对于该数据集，使用粒子滤波估计量估计的存储模型在对数似然上优于常用的约化形式时间序列模型，如线性AR(1)、AR(1)-GARCH(1,1)和马尔可夫切换AR(1)模型。
引用
@article{arxiv.1701.02156,
title = {Estimating the Competitive Storage Model: A Simulated Likelihood Approach},
author = {Tore Selland Kleppe and Atle Oglend},
journal= {arXiv preprint arXiv:1701.02156},
year = {2017}
}