Model Volatilitas Stokastik Rata-rata Bergerak dengan Aplikasi terhadap Prakiraan Inflasi Abstrak: Kami memperkenalkan kelas baru model yang memiliki volatilitas stokastik dan kesalahan rata-rata bergerak, dimana mean kondisional memiliki representasi ruang negara. Dengan memiliki komponen rata-rata bergerak, bagaimanapun, berarti bahwa kesalahan dalam persamaan pengukuran tidak lagi bebas secara serial, dan estimasi menjadi lebih sulit. Kami mengembangkan simulator posterior yang dibangun berdasarkan kemajuan terkini dalam algoritma berbasis presisi untuk memperkirakan model baru ini. Dalam aplikasi empiris yang melibatkan inflasi A. S., kami menemukan bahwa model volatilitas stokastik rata-rata bergerak ini memberikan yang lebih baik dalam kebugaran sampel dan kinerja perkiraan sampel dari pada varian standar dengan volatilitas stokastik saja. Referensi ekspor: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Situs ini adalah bagian dari RePEc dan semua data yang ditampilkan di sini adalah bagian dari kumpulan data RePEc. Apakah pekerjaan Anda hilang dari RePEc Berikut adalah cara berkontribusi. Pertanyaan atau masalah Periksa FAQ EconPapers atau kirim surat ke. Halaman updated 2017-02-28Moving Model Volatilitas Stokastik Rata-rata dengan Aplikasi terhadap Prakiraan Inflasi Rata-rata pergerakan dan volatilitas stokastik adalah dua komponen penting untuk mod-eling dan peramalan rangkaian waktu makroekonomi dan keuangan. Yang pertama bertujuan untuk menangkap dinamika jangka pendek, sedangkan yang kedua memungkinkan pengelompokan volatilitas dan volatilitas waktu bervariasi. Kami memperkenalkan kelas baru model yang mencakup kedua fitur bermanfaat ini. Model baru memungkinkan proses berarti bersyarat untuk memiliki bentuk ruang keadaan. Dengan demikian, kerangka umum ini mencakup beragam spesifikasi populer, termasuk komponen yang tidak teramati dan model pa-rameter bervariasi waktu. Dengan memiliki proses rata-rata bergerak, bagaimanapun, berarti bahwa kesalahan dalam persamaan pengukuran tidak lagi bebas secara serial, dan estimasi menjadi lebih sulit. Kami mengembangkan simulator posterior yang dibangun berdasarkan kemajuan terkini dalam algoritma berbasis presisi untuk memperkirakan kelas model baru ini. Dalam aplikasi empiris yang melibatkan inflasi A. S., kami menemukan bahwa model volatilitas stokastik moving average ini memberikan kebugaran sampel yang lebih baik dan perkiraan kinerja sampel yang tidak tepat dibandingkan varian standar dengan volatilitas stokastik saja. Temukan kutipan penelitian Citires Citations 12 Referensi Referensi 45 quotThis yang pada gilirannya mengurangi waktu komputasi, yang memungkinkan kita untuk melakukan perkiraan rekursif outofsample dengan cara yang sangat pelit. Kami merujuk pembaca ke Chan (2013) di mana ditunjukkan bahwa memperkirakan SV menggunakan teknik yang diusulkan membutuhkan waktu sekitar 132 detik untuk 10.000 gambar posterior menggunakan desktop dengan prosesor Intel Core i7-870 2.93 GHz. Selanjutnya, prosedurnya dapat dengan mudah dimodifikasi untuk mencakup pengaruh dan pengaruh tanpa adanya kecacatan komputasi utama. Abstraksi: Kami membandingkan kemampuan prediksi beberapa model volatilitas untuk serangkaian panjang return-return mingguan dari Dow Jones Industrial Average Index dari 1902 sampai 2016. Fokus kami terutama pada memprediksi satu dan multi langkah di depan kondisional. Dan kerapatan bersyarat. Model bersaing kami meliputi: Spesifikasi GARCH yang terkenal, Markov switching GARCH, GARCH sempiparametrik, Skor Autoregresif Generalized (GAS), volatilitas stokastik biasa (SV) serta perluasan yang lebih fleksibel seperti SV dengan leverage, mean Efek dan kesalahan terdepribusi Student - t. Kami menemukan bahwa: (i) Model SV umumnya mengungguli spesifikasi GARCH, (ii): Model SV dengan efek leverage memberikan kinerja out-of-sample yang sangat kuat dalam hal prediksi ketepatan satu dan multi langkah di depan, (iii) Perbedaan dalam hal akurasi prediksi Prediksi Nilai-At-Risk (VaR) kurang jelas. Dengan demikian, hasil kami memiliki implikasi penting: model berkinerja terbaik bergantung pada kriteria evaluasi. Full-text Article Mei 2016 Jurnal Elektronik SSRN Leopoldo Catania Nima Nonejad abstrak Abstraksi: Seri waktu keuangan sering menunjukkan sifat yang berangkat dari asumsi biasa tentang independensi serial dan normalitas. Ini termasuk volatilitas clustering, heavy-tailedness dan serial dependence. Sebuah literatur tebal tentang pendekatan yang berbeda untuk pemodelan keteraturan empiris ini telah muncul dalam dekade terakhir. Dalam makalah ini kami meninjau estimasi berbagai model volatilitas stokastik yang sangat fleksibel, dan mengenalkan beberapa algoritma efisien berdasarkan kemajuan terbaru dalam teknik simulasi ruang negara. Metode estimasi ini diilustrasikan melalui contoh empiris yang melibatkan logam mulia dan imbal hasil valuta asing. Kode Matlab yang sesuai juga disediakan. Penulisan ini membahas perkiraan volatilitas inflasi AS dengan menggunakan model parameter yang bervariasi, khususnya apakah model tersebut harus dimodelkan sebagai proses stokastik stasioner atau acak. Menentukan volatilitas inflasi sebagai proses yang tidak terbatas, sebagaimana tersirat dalam perjalanan acak, bertentangan dengan kepercayaan para priyayi, namun proses stasioner tidak dapat menangkap perilaku frekuensi rendah yang biasa diamati pada perkiraan volatilitas. Oleh karena itu, kami mengusulkan sebuah model alternatif dengan proses perubahan-titik dalam volatilitas yang memungkinkan adanya perubahan antar model stasioner untuk menangkap perubahan tingkat dan dinamika selama empat puluh tahun terakhir. Untuk mengakomodasi pembatasan stasioneritas, kami mengembangkan representasi baru yang setara dengan model kami namun secara komputasi lebih efisien. Semua model menghasilkan perkiraan volatilitas yang identik secara efektif, namun model titik perubahan memberikan lebih banyak informasi mengenai tingkat dan ketekunan volatilitas dan probabilitas perubahan. Sebagai contoh, kita menemukan beberapa switch yang terdefinisi dengan baik dalam proses volatilitas dan, yang menarik, switch ini berbaris dengan baik dengan kemunduran ekonomi atau perubahan dari Federal Reserve Chair. Full-text Article Jan 2014 Eric Eisenstat Rodney W. StrachanMendapatkan model volatilitas stokastik rata-rata dengan penerapan pada perkiraan inflasi Kami perkenalkan kelas baru model yang memiliki volatilitas stokastik dan kesalahan rata-rata bergerak, di mana mean kondisional memiliki representasi ruang negara. Dengan memiliki komponen rata-rata bergerak, bagaimanapun, berarti bahwa kesalahan dalam persamaan pengukuran tidak lagi bebas secara serial, dan estimasi menjadi lebih sulit. Kami mengembangkan simulator posterior yang dibangun berdasarkan kemajuan terkini dalam algoritma berbasis presisi untuk memperkirakan model baru ini. Dalam aplikasi empiris yang melibatkan inflasi AS, kami menemukan bahwa model volatilitas stokastik rata-rata bergerak ini memberikan kebugaran sampel dan perkiraan perkiraan sampel yang lebih baik daripada varian standar dengan volatilitas stokastik. Klasifikasi JEL Negara komponen Model komponen yang tidak teramati Presisi Kepadatan Sparse Presentase Korespondensi ke: Sekolah Penelitian Ekonomi, Universitas ANU Bisnis dan Ekonomi, Gedung LF Crisp 26, Universitas Nasional Australia, Canberra ACT 0200, Australia. Tel. 61 2 612 57358 faks: 61 2 612 50182. Hak cipta salinan 2013 Elsevier B. V. Semua hak dilindungi undang-undang.
No comments:
Post a Comment