难以计算似然的随机波动率滤波
摘要：使用粒子滤波对α-稳定随机波动模型进行研究 基于α-稳定分布建立了有用于建模金融收益的非对称性和重尾部分的灵活的框架 这种分布假设的问题是没有概率密度函数的闭式形式 为了在这种设置下估计金融收益的波动性，我们开发了一种新的辅助粒子滤波器 我们开发的算法可以轻松应用于任何隐马尔可夫模型，其似然函数不可解或计算开销较大 我们辅助滤波器的近似目标分布基于近似贝叶斯计算（ABC）的思想 ABC方法允许在概率模型的似然不具备闭式形式，但可以从中模拟样本的情况下推断后验数量 我们提出的ABC辅助粒子滤波器（ABC-APF）不仅是在随机波动性模型中状态估计的良好替代方法，而且还改进了现有的ABC文献 在无闭式形式的最佳重要密度函数的情况下，它在状态估计中提供了更大灵活性，并通过更好的提议分布改善了准确性 我们通过将ABC-APF应用于α-稳定随机波动模型的模拟数据集并将其与其他当前存在的ABC滤波器进行比较来评估ABC-APF的性能
作者：Emilian Vankov, Katherine B. Ensor
论文ID：1405.4323
分类：Computation
分类简称：stat.CO
提交时间：2014-05-20