Nonlinear smoother for stochastic volatility model

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F01%3A00064629" target="_blank" >RIV/49777513:23520/01:00064629 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Nonlinear smoother for stochastic volatility model

Popis výsledku v původním jazyce

A new technique for nonlinear state and parameter estimation of the discrete time stochastic volatility models in the state space form is developed. The Gibbs sampler is used to construct a Markov-chain simulation tool that reflects both inherent model variability and parameter uncertainty. The Gibbs sampling algorithm is derived from the generalized data-augmentation method and the iterative Monte Carlo simulation procedures to calculating marginal state and parameters probability density functions. The design algorithm generates a loop where samples from the correspondent data augmented probability density function are drawn. The proposed chain converges to equilibrium enabling to summarize the unobserved variance states and unknown model parametersdistributions. The non-Gaussian density of the log of squared inovations is advantageously modelled as a mixture of Gaussians.

Název v anglickém jazyce

Nonlinear smoother for stochastic volatility model

Popis výsledku anglicky

A new technique for nonlinear state and parameter estimation of the discrete time stochastic volatility models in the state space form is developed. The Gibbs sampler is used to construct a Markov-chain simulation tool that reflects both inherent model variability and parameter uncertainty. The Gibbs sampling algorithm is derived from the generalized data-augmentation method and the iterative Monte Carlo simulation procedures to calculating marginal state and parameters probability density functions. The design algorithm generates a loop where samples from the correspondent data augmented probability density function are drawn. The proposed chain converges to equilibrium enabling to summarize the unobserved variance states and unknown model parametersdistributions. The non-Gaussian density of the log of squared inovations is advantageously modelled as a mixture of Gaussians.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

AH - Ekonomie

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F01%2F0021" target="_blank" >GA102/01/0021: Nelineární odhadování a detekce změn stochastických systémů</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2001

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Bulletin of the Czech Econometric Society

ISSN

1212074X

e-ISSN

—

Svazek periodika

Vol. 7

Číslo periodika v rámci svazku

č. 13

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

12

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—