基于MCMC的贝叶斯长记忆随机波动模型研究

• 作者: 曾惠芳 朱慧明 李素芳 郝立亚
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 仿真分析 随机波动 贝叶斯分析 抽样 马尔科夫过程
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 管理工程
• 页码范围: 82-87
• 分类号: O212.8
• 语种: 中文

摘要

针对贝叶斯长记忆随机波动模型的单步Gibbs抽样算法效率低下的问题,通过对模型在状态空间框架下的近似表示,将向前滤波向后抽样算法引入对波动变量的估计过程中,同时在贝叶斯框架下分析了模型参数的满条件后验分布,设计出Gibbs联合抽样算法.更进一步,在对模型进行参数估计的基础上,提出波动变量的向前多步预报分布的估计方法.模拟实验结果表明:联合Gibbs抽样算法能够在保证估计精度的基础上得到优于单步Gibbs抽样方法的抽样效率,对预报分布的特征分析可用于对金融时间序列的风险控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝立亚	湖南大学工商管理学院	11	87	5.0	9.0
2	朱慧明	湖南大学工商管理学院	109	946	16.0	24.0
3	李素芳	湖南大学工商管理学院	45	391	12.0	17.0
4	曾惠芳	湖南大学工商管理学院	8	73	4.0	8.0