Bayesowska estymacja i prognozowanie w modelu Stochastycznej zmienności z normalnym błędem obserwacji

• Autorzy: Anna Pajor
• Języki publikacji: PL

Abstrakty

W tej pracy wykorzystamy podejście bayesowskie do estymacji i prognozy procesu SV, zaproponowane przez Jacquier, Polson i Rossi. Aby wyznaczyć podstawowe charakterystyki rozkładu a posteriori parametrów modelu, wykorzystamy metodę MCMC (Markov - chain Monte Carlo). Dalej przypominamy podstawowe definicje i oznaczenia związane z procesem SV z normalnym błędem obserwacji. Następnie omówimy bayesowską estymację i predykcję naszego procesu i wykorzystamy przedstawione podejście do modelowania logarytmicznych stóp zmian indeksu WIG. (fragment tekstu)

Słowa kluczowe

PL

Procesy zmienności stochastycznej; Estymacja bayesowska; Metoda Monte Carlo; Łańcuch Markowa

EN

Stochastic Volatility Processes; Bayesian estimation; Monte Carlo method; Markov chain

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Postępy ekonometrii
• Strony: 239-254

Twórcy

autor

Anna Pajor

Bibliografia

• Box G.E.P., Tiao G.C. (1973). Bayesian Inference in Statistical Analysis Addison-Weseley Publishing Company, London.
• Chib S., Greenberg E. (1995). Understanding the Metropolis - Hastings Algorithm. The American Statistician, 49, 327-335.
• Clark P.K. (1973). A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices. Econometrica, 41, 135-155.
• Geweke J. (1994). Comment on Bayesian Analysis of Stochastic Volatility Models. Journal of Business and Economic Statistics, 12, 403-406.
• Gourieroux C., Monfort A., Renault E. (1993). Indirect Inference. Journal of Applied Econometrics, 8, S85-S118.
• Harvey A.C., Ruiz E., Shepard N.G. (1994). Multivariate Stochastic Variance Model. Review of Economic Studies, 61, 247-264.
• Jacquier E., Polson N., Rossi P. (1994). Bayesian Analysis of Stochastic Volatility Models. Journal of Business and Economic Statistics, 12, 371-389.
• Jacquier E., Polson N., Rossi P. (1999). Stochastic Volatility: Univariate and Multivariate Extensions. Cahiers Cirano, Centre Interuniversitaire de Recherche en Analyse des Organisations, Montréal.
• Osiewalski J. (1991). Bayesowska estymacja i predykcja dla jednorówna-niowych modeli ekonometrycznych. Monografie. AE, Kraków, 100.
• Osiewalski J., Pipień M. (2003). Bayesian Analysis and Option Pricing in Univariate GARCH Models with Asymmetries and GARCH-In-Mean Effects. Przegląd Statystyczny, 50, 3.
• Ruiz E. (1994). Quasi-maximum Likelihood Estimation of Stochastic Volatility Models. Journal of Econometrics, 63, 289-306.
• Steel M.F.J. (1998). Bayesian Analysis of Statistic Volatility Models with Flexible Tails. Econometric Reviews, 17, 109-143.
• Szreder M. (1994). Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji. UG, Gdańsk.
• Tanner M.T., Wong W. (1987). The Calculation of Posterior Distributions by Data Augmentation. Journal of American Statistical Association, 82, 528-549.
• Tierney L. (1994). Markov Cains for Exploring Posterior Distributions (with discussion). The Annals of Statistics, 22, 1701-1762.
• Zellner A. (1971). An Introduction to Bayesian Inference in Ekonometrics. J. Wiley, New York.