首页/论文/physics/0702240

arXiv physics/07022402007-02-27physics.comp-phphysics.data-anq-fin.ST

基于混合Monte Carlo的GARCH模型的贝叶斯估计

Bayesian estimation of GARCH model by hybrid Monte Carlo

Tetsuya Takaishi

备注：: The 9th Joint Conference on Information Sciences (JCIS), October 8-11, 2006
发表信息：: Proceedings of the 9th Joint Conference on Information Sciences 2006, CIEF-214
DOI：: 10.2991/jcis.2006.159

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

将混合蒙特卡罗（HMC）算法用于广义自回归条件异方差（GARCH）模型的贝叶斯分析。HMC算法是马尔可夫链蒙特卡罗（MCMC）算法之一，它一次更新所有参数。我们证明了HMC如何正确地再现Gestival参数。该算法具有较强的通用性，可应用于随机波动率模型等其他模型。

英文摘要：

The hybrid Monte Carlo (HMC) algorithm is used for Bayesian analysis of the generalized autoregressive conditional heteroscedasticity (GARCH) model. The HMC algorithm is one of Markov chain Monte Carlo (MCMC) algorithms and it updates all parameters at once. We demonstrate that how the HMC reproduces the GARCH parameters correctly. The algorithm is rather general and it can be applied to other models like stochastic volatility models.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

建议密度自适应的GARCH模型的Bayes估计

Bayesian estimation of GARCH model with an adaptive proposal density

采用Metropolis-Hastings算法，对美元/日元汇率的GARCH模型进行贝叶斯估计，并给出了自适应构造方案的建议密度.在自适应建设计划的建议密度被假定为采取一种形式的多元学生的t-分布和其参数进行评估，通过使用采样数据和更新自适应马尔可夫链蒙特卡罗模拟。我们发现，自适应建设计划采样的数据之间的自相关时间大大减少。我们的结论是，自适应构造方案的有效工作的GARCH模型的贝叶斯推理。

2010-12-30physics.comp-phq-fin.CPq-fin.ST

基于混合蒙特卡罗算法的随机波动率模型实证分析

Empirical Analysis of Stochastic Volatility Model by Hybrid Monte Carlo Algorithm

随机波动率模型是推导资产收益潜在波动率的波动率模型之一。采用混合蒙特卡罗（HMC）算法对随机波动率（SV）模型进行贝叶斯推断，该算法在波动率变量的抽样方面优于其他马尔可夫链蒙特卡罗方法。本文以东京证券交易所的两支流动性股票为研究对象，运用SV模型进行了HMC模拟，并测量了这两支股票的波动率。然后，我们用已实现波动率作为真实波动率的代理，计算了波动率度量的准确性，并将SV模型与其他波动率模型之一的GARCH模型进行了比较。使用已实现波动率计算的准确性，我们发现，经验SV模型的表现优于GARCH模型。

2013-05-14physics.comp-phphysics.data-anq-fin.CP

基于混合蒙特卡罗的随机波动率模型的贝叶斯推断

Bayesian Inference of Stochastic Volatility Model by Hybrid Monte Carlo

将混合蒙特卡罗（HMC）算法应用于随机波动率（SV）模型的贝叶斯推断。我们使用HMC算法的SV模型的波动率变量的马尔可夫链蒙特卡罗更新。首先，我们使用人工金融数据计算SV模型的参数，并将HMC算法的结果与Metropolis算法的结果进行比较。我们发现，HMC算法去相关的波动率变量比大都会算法。其次，我们利用HMC算法对日经225指数的时间序列进行了实证研究。我们发现样本数据与人工金融数据的结果具有相似的相关性行为，并得到了接近1的$ϕ$值（$ϕ\approx 0.977$），这意味着时间序列具有较强的波动持续性。

2009-12-30physics.comp-phphysics.data-anq-fin.CP

天文学中贝叶斯数据分析的马尔可夫链蒙特卡罗方法

Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy

基于马尔可夫链蒙特卡罗的贝叶斯数据分析现已成为几乎所有科学学科分析和解释数据的首选方法。在天文学中，在过去的十年中，我们也看到了采用基于蒙特卡罗的贝叶斯分析的论文数量的稳步增加。新的，有效的蒙特卡罗方法正在不断开发和探索。在本文中，我们首先解释贝叶斯理论的基础知识，并讨论如何在此框架内设置数据分析问题。接下来，我们将概述用于执行贝叶斯数据分析的各种基于蒙特卡罗的方法。最后，我们讨论先进的思想，使我们能够解决复杂的问题，从而为未来带来巨大的希望。我们还分发可下载的计算机软件（可在https://github.com/sanjibs/bmcmc/上获得），这些软件实现了本文讨论的一些算法和示例。

2017-06-06astro-ph.IMphysics.comp-phstat.CO

基于马尔可夫链蒙特卡罗的数字图像贝叶斯恢复

Bayesian Restoration of Digital Images Employing Markov Chain Monte Carlo a Review

综述了基于蒙特卡罗技术的数字图像贝叶斯复原方法。所涵盖的主题包括Likestival，先验和后验分布，泊松，Binay对称通道，和高斯通道模型的Likestival分布，伊辛和Potts自旋模型的先验分布，恢复图像通过后验最大化，统计估计的真实图像从后验合奏，马尔可夫链蒙特卡罗方法和聚类算法。

2006-10-31cond-mat.stat-mechcs.CVphysics.comp-ph

基于数据驱动和模型的加速Hamilton蒙特卡罗方法求解贝叶斯椭圆反问题

A data-driven and model-based accelerated Hamiltonian Monte Carlo method for Bayesian elliptic inverse problems

本文考虑一类椭圆型偏微分方程模型的贝叶斯反问题。具体来说，我们提出了一个数据驱动和基于模型的方法来加速汉密尔顿蒙特卡罗（HMC）方法在解决大规模贝叶斯逆问题。关键的想法是利用（基于模型）和构造（基于数据的）基本问题的内在近似低维结构，其由两个组件组成-训练组件，其计算一组数据驱动的基础以实现解空间中的显著降维，以及快速求解组件，其利用所构造的数据驱动基来计算新采样的椭圆PDE的解及其导数。因此，我们实现了一个有效的数据和基于模型的方法贝叶斯逆问题，克服了典型的计算瓶颈HMC -重复评估的哈密顿量涉及的解决方案（及其衍生物）建模的复杂系统，在我们的情况下，多尺度椭圆PDE。我们提出的数值例子来证明所提出的方法的准确性和效率。

2021-04-27cs.CEcs.NAmath.NA

更多相关论文收起更多论文

利用耦合PIC与蒙特卡罗模拟的激光尾波场加速优化钼-99生产的贝叶斯方法

Bayesian Optimization of Molybdenum-99 Production by Laser Wakefield Acceleration Using Coupled PIC and Monte Carlo Simulations

Nuclear and Energy Research Institute, IPEN–CNEN（核能与研究设备研究所，IPEN-CNN）；Federal University of Health Sciences of Porto Alegre (UFCSPA)（阿雷格里港联邦健康科学大学（UFCSPA））

该研究通过耦合PIC与MC模拟的贝叶斯优化，大幅提升了激光尾波场加速产生钼-99的产量，为核医学关键同位素生产提供了高效优化方案。

2026-08-19physics.acc-phphysics.comp-phphysics.plasm-ph