Optimal stochastic volatility models
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F01%3A00064868" target="_blank" >RIV/49777513:23520/01:00064868 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Optimal stochastic volatility models
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 is based on 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 parameters distributions. The non-Gaussian density of the log of squared inovations is advantageously modelled as a mixture of Gaussians.
Název v anglickém jazyce
Optimal stochastic volatility models
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 is based on 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 parameters distributions. The non-Gaussian density of the log of squared inovations is advantageously modelled as a mixture of Gaussians.
Klasifikace
Druh
V<sub>x</sub> - Nezařazeno - Výzkumná zpráva obsahující utajované informace (takový výsledek lze do RIV vložit pouze v případě, že zpráva obsahuje utajované informace a pole R12 = U), nebo souhrnná výzkumná zpráva
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2001
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Počet stran výsledku
1
Místo vydání
Plzeň
Název nakladatele resp. objednatele
Západočeská univerzita
Verze
—