Flytte Gjennomsnittet Stokastiske Volatilitetsmodeller Med Program Til Inflasjon Prognose

Flytte gjennomsnittlige stokastiske volatilitetsmodeller med applikasjon til inflasjonsprognose Abstrakt: Vi introduserer en ny klasse modeller som har både stokastisk volatilitet og bevegelige gjennomsnittsfeil, der det betingede midlet har en tilstandsromsrepresentasjon. Å ha en bevegelig gjennomsnittskomponent betyr imidlertid at feilene i målingsligningen ikke lenger er serielt uavhengige, og estimeringen blir vanskeligere. Vi utvikler en bakre simulator som bygger på nylige fremskritt i presisjonsbaserte algoritmer for å estimere disse nye modellene. I en empirisk applikasjon som involverer amerikanske inflasjon finner vi at disse bevegelige gjennomsnittlige stokastiske volatilitetsmodellene gir bedre prøvefrekvens og utenfor prognosevaluering enn standardvarianter med bare stokastisk volatilitet. Eksporter referanse: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Denne siden er en del av RePEc og alle dataene som vises her er en del av RePEc datasettet. Er ditt arbeid manglet fra RePEc Her er hvordan du skal bidra. Spørsmål eller problemer Sjekk EconPapers FAQ eller send mail til. Side oppdatert 2017-02-28Moving gjennomsnittlige stokastiske volatilitetsmodeller med søknad om inflasjonsprognose Flytende gjennomsnittlig og stokastisk volatilitet er to viktige komponenter for modeling og prognose makroøkonomiske og økonomiske tidsserier. Den førstnevnte har til hensikt å fange kortvarig dynamikk, mens sistnevnte tillater volatilitetsklynging og tidsvarierende volatilitet. Vi introduserer en ny klasse modeller som inneholder begge disse nyttige funksjonene. De nye modellene tillater det betingede middelprosessen å ha en statlig plassform. Som sådan inneholder dette generelle rammeverket et bredt utvalg av populære spesifikasjoner, inkludert de observerte komponentene og tidsvarierende pa-rameter-modeller. Å ha en bevegelig gjennomsnittsprosess betyr imidlertid at feilene i målingsligningen ikke lenger er serielt uavhengige, og estimeringen blir vanskeligere. Vi utvikler en bakre simulator som bygger på nylige fremskritt i presisjonsbaserte algoritmer for å estimere denne nye klassen av modeller. I en empirisk applikasjon som involverer amerikanske inflasjon, finner vi at disse flytteverdi-stokastiske volatilitetsmodellene gir bedre prøveutøvelse og prognoseutvikling utenom standardvarianter med bare stokastisk volatilitet. Oppdag verdenx27s-undersøkelsen Sitater Sitater 12 Referanser Referanser 45 citerer Dette reduserer i sin tur beregningstiden, noe som gjør at vi kan utføre uprøvet rekursiv estimering på en veldig parsimonisk måte. Vi refererer leseren til Chan (2013) der det er påvist at estimering av et SV ved hjelp av de foreslåtte teknikkene tar omtrent 132 sekunder for 10000 posterior tegninger ved hjelp av et skrivebord med en Intel Core i7-870 2.93 GHz prosessor. Videre kan prosedyren enkelt modifiseres for å omfatte innflytelse og innflytelse uten store berøringsproblemer. sitat Vis abstrakt Skjul abstrakt ABSTRAKT: Vi sammenligner prediktiv evne til flere volatilitetsmodeller for en lang rekke ukentlige logg returneringer av Dow Jones Industrial Average Index fra 1902 til 2016. Vårt fokus er spesielt på å forutsi en og flere trinns forutsetninger og aggregerte betingede tettheter. Vårt sett av konkurrerende modeller inkluderer: Kjente GARCH spesifikasjoner, Markov bytte GARCH, sempiparametrisk GARCH, Generalized Autoregressive Score (GAS), den enkle stokastiske volatiliteten (SV), samt de mer fleksible utvidelsene som SV med løftestang, i gjennomsnitt effekter og studentfordelte feil. Vi finner at: (i) SV-modeller generelt overgår GARCH-spesifikasjonene, (ii): SV-modellen med løftestangseffekt gir svært sterk ytelseutvikling i forhold til en og flere trinns prediksjonsforutsigelse, (iii) Forskjeller i forhold til Value-at-Risk (VaR) prediksjonsnøyaktighet er mindre tydelige. Dermed har resultatene våre et viktig implikasjon: Den bestpresterende modellen er avhengig av evalueringskriteriet. Fulltekst Artikkel Mai 2016 SSRN Electronic Journal Leopoldo Catania Nima Nonejad Vis abstrakt Skjul abstrakt ABSTRAKT: Finansielle tidsserier viser ofte egenskaper som avviger fra de vanlige forutsetningene om seriell uavhengighet og normalitet. Disse inkluderer volatilitetsklynging, tyngdepunkt og seriell avhengighet. En voluminøs litteratur om ulike tilnærminger for modellering av disse empiriske regelmessighetene har dukket opp i det siste tiåret. I dette papiret vurderer vi estimeringen av en rekke svært fleksible stokastiske volatilitetsmodeller, og introduserer noen effektive algoritmer basert på de siste fremskrittene i statlige romsimuleringsteknikker. Disse estimeringsmetodene er illustrert via empiriske eksempler som involverer verdien av edelt metall og valuta. Den tilsvarende Matlab-koden er også gitt. Fulltekst Artikkel Nov 2013 Joshua C C Chan Cody Y L Hsiao Vis abstrakt Skjul abstrakt ABSTRAKT: Dette papiret diskuterer estimering av amerikansk inflasjonsvolatilitet ved hjelp av tidsmessige parametermodeller, spesielt om den skal modelleres som en stasjonær eller tilfeldig stokastisk prosess. Angi inflasjonsvolatilitet som en ubundet prosess, som antydet av den tilfeldige spaserturen, står i konflikt med priors oppfatninger, men en stasjonær prosess kan ikke fange lavfrekvent oppførsel som vanligvis observeres i estimater av volatilitet. Vi foreslår derfor en alternativ modell med en endringspunktsprosess i volatiliteten som gir mulighet for bytte mellom stasjonære modeller for å fange endringer i nivå og dynamikk de siste 40 årene. For å imøtekomme begrensningen av stasjonar, utvikler vi en ny representasjon som tilsvarer vår modell, men er beregningsmessig mer effektiv. Alle modellene produserer effektivt identiske estimater av volatilitet, men byttepunktsmodellen gir mer informasjon om nivået og vedvarende volatilitet og sannsynlighetene for endringer. For eksempel finner vi noen veldefinerte brytere i volatilitetsprosessen, og interessant, disse byttene retter seg godt med økonomiske nedganger eller endringer i Federal Reserve Chair. Fulltekst Artikkel Jan 2014 Eric Eisenstat Rodney W. StrachanMoving gjennomsnittlige stokastiske volatilitetsmodeller med applikasjon til inflasjonsprognos Vi presenterer en ny klasse modeller som har både stokastisk volatilitet og bevegelige gjennomsnittsfeil, der det betingede midlet har en statlig romrepresentasjon. Å ha en bevegelig gjennomsnittskomponent betyr imidlertid at feilene i målingsligningen ikke lenger er serielt uavhengige, og estimeringen blir vanskeligere. Vi utvikler en bakre simulator som bygger på nylige fremskritt i presisjonsbaserte algoritmer for å estimere disse nye modellene. I en empirisk applikasjon som involverer amerikansk inflasjon, finner vi at disse bevegelige gjennomsnittlige stokastiske volatilitetsmodellene gir bedre prøveutøvelse og progresjonsprestasjoner utenom standardvarianter med bare stokastisk volatilitet. JEL-klassifisering Statlig plass Uoppdaget komponentmodell Presisjon Sparsom tetthetsprognose Korrespondanse til: Forskerskole for økonomi, ANU Business School og økonomi, LF Crisp Building 26, Australian National University, Canberra ACT 0200, Australia. Tlf. 61 2 612 57358 faks: 61 2 612 50182. Opphavsrettslig kopi 2013 Elsevier B. V. Alle rettigheter reservert.