贝叶斯半参数向量乘性误差模型
摘要：金融应用中，正随机变量的多个时间序列之间的相互作用是至关重要的，从溢出效应到波动性相互依赖。在这种情况下，一种流行的模型是向量乘性误差模型（vMEM），它对条件均值的动态性提出了线性迭代结构，并通过乘性创新项进行扰动。然而，vMEM的一个主要限制是对随机创新项的分布做了限制性的假设。为了解决这个主要缺点，采用了贝叶斯半参数方法，将创新向量建模为具有正交区域上支持的无限位置-尺度多维核的混合。通过对模型的参数扩展的无约束版本进行切片抽样器的制定，避免了由于正交区域约束而产生的计算复杂性。该方法应用于模拟和实际数据，并获得了一个灵活的规范，其拟合和预测性能优于经典方法。
作者：Nicola Donelli (1), Stefano Peluso (2) and Antonietta Mira (3) ((1) CGnal srl, (2) Universit`a degli Studi di Milano-Bicocca, Department of Statistics and Quantitative Methods, (3) Universit`a della Svizzera italiana, Institute of Computational Science and Universit`a dell'Insubria, Department of Science and High Technology)
论文ID：2107.04354
分类：Computation
分类简称：stat.CO
提交时间：2021-07-12