基于自适应提议密度的GARCH模型的贝叶斯推断
计算金融
2010-12-30 v1
摘要
我们通过带有自适应提议密度的Metropolis-Hastings算法对GARCH模型进行贝叶斯推断。假设自适应提议密度为Student's t分布，并利用模拟过程中采样的数据来评估分布参数。我们将该方法应用于QGARCH模型（一种非对称GARCH模型），并对日经225、DAX和恒生指数进行了实证研究。我们发现，我们方法产生的自相关时间非常短，因此该方法对于生成不相关的蒙特卡洛数据非常高效。QGARCH模型的结果表明，所有三个指数都表现出杠杆效应，即在负观测值之后波动性较高。
引用
@article{arxiv.0908.2982,
title = {Bayesian inference with an adaptive proposal density for GARCH models},
author = {Tetsuya Takaishi},
journal= {arXiv preprint arXiv:0908.2982},
year = {2010}
}