Oi. Estou comparando a log-volatilidade de dois modelos SV com uma aplicação para MATLAB. Desde que eu sou um novato neste campo, eu não sei se estou errado em interpretar o gráfico. Na minha opinião a única coisa que eu posso dizer é que o padrão SV subestimar a volatilidade na volatilidade é pequena, mas eu não tenho certeza do meu gráfico. Você já viu algo assim Estou completamente errado e, para o modelo padrão, veja: Chan, J. C.C. E Hsiao, C. Y.L (2014). Estimativa de modelos de volatilidade estocástica com caudas pesadas e dependência serial. In: I. Jeliazkov e X. S. Yang (Eds.), Inferência Bayesiana nas Ciências Sociais, 159-180, John Wiley amp Sons, Nova Iorque. : Introduzimos uma nova classe de modelos que tem ambos volatilidade estocástica e erros de média móvel, onde a média condicional tem uma representação de espaço de estado. Ter uma componente de média móvel, no entanto, significa que os erros na equação de medição já não são independentes em série, ea estimativa torna-se mais difícil. Desenvolvemos um simulador posterior que se baseia em avanços recentes em algoritmos de precisão para estimar esses novos modelos. Em uma aplicação empírica envolvendo inflação nos EUA, descobrimos que esses modelos de volatilidade estocástica média móvel fornecem melhor desempenho na amostra e desempenho de previsão fora da amostra do que as variantes padrão com apenas volatilidade estocástica. Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML / Texto O Journal of Econometrics é atualmente editado por T. Amemiya. A. R. Gallant. J. F. Geweke. Este artigo discute a estimativa da volatilidade da inflação nos Estados Unidos usando modelos de parâmetros que variam em função do tempo, em particular se deve ser modelado como um modelo Estacionária ou caminhada randômica processo estocástico. Especificar a volatilidade da inflação como um processo ilimitado, como implicado pela caminhada aleatória, entra em conflito com as crenças dos priores, mas um processo estacionário não pode captar o comportamento de baixa freqüência comumente observado nas estimativas de volatilidade. Propomos, portanto, um modelo alternativo com um processo de mudança de ponto na volatilidade que permite alternar entre modelos estacionários para capturar mudanças no nível e dinâmica nos últimos quarenta anos. Para acomodar a restrição de estacionaridade, desenvolvemos uma nova representação que é equivalente ao nosso modelo, mas é computacionalmente mais eficiente. Todos os modelos produzem estimativas efetivamente idênticas de volatilidade, mas o modelo de ponto de mudança fornece mais informações sobre o nível ea persistência da volatilidade e as probabilidades de mudanças. Por exemplo, nós encontramos alguns interruptores bem definidos no processo de volatilidade e, curiosamente, esses interruptores se alinham bem com desacelerações econômicas ou mudanças da Presidente da Reserva Federal. Além disso, a decomposição de choques inflacionários em componentes permanentes e transitórios mostra que um pico de volatilidade no final dos anos 2000 foi totalmente do lado transitório e caracterizado por um aumento acima do seu nível médio de longo prazo durante um período de maior persistência. Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Seja paciente, pois os arquivos podem ser grandes. Outras versões deste item: Eric Eisenstat Rodney W. Strachan, 2014. Modelando a Volatilidade da Inflação, CAMA Working Papers 2014-68, Centro de Análise Macroeconômica Aplicada, Escola de Políticas Públicas de Crawford, The Australian National University. Eric Eisenstat Rodney W. Strachan, 2014. Modelando a Volatilidade da Inflação, Documentos de Trabalho da CAMA 2014-21, Centro de Análise Macroeconômica Aplicada, Escola de Políticas Públicas de Crawford, The Australian National University. - - - Análise Bayesiana: Geral C32 - Métodos Matemáticos e Quantitativos - - Modelos de Equações Múltiplas ou Simultâneas Variáveis Múltiplas - - - Modelos de Série Regressões Dinâmicas de Quantile Modelos de Efeito de Tratamento Dinâmico Processos de Difusão Modelos de Espaço Estatal E52 - Macroeconomia e Economia Monetária - - Política Monetária, Banca Central e Fornecimento de Dinheiro e Crédito - - - Políticas Monetárias Referências listadas em IDEAS Por favor, para. ou. Se você é o autor registrado do trabalho citado, faça login no seu perfil do Serviço de Autor RePEc. Clique em citações e faça os ajustes apropriados. Joshua C C Chan, 2012. Modelos de Volatilidade Estocástica Média em Movimento com Aplicação à Previsão de Inflação, Documentos de Trabalho da ANU em Economia e Econometria 2012-591, Universidade Nacional Australiana, Faculdade de Economia e Negócios, Faculdade de Economia. Chan, Joshua Koop, Gary Potter, Simon, 2012. Um Novo Modelo de Inflação Tendência, SIRE Papers Discussão 2012-12, Instituto Escocês de Pesquisa em Economia (SIRE). Joshua C C Chan Gary Koop Simon M Potter, 2012. Um Novo Modelo de Inflação Tendência, CAMA Working Papers 2012-08, Centro de Análise Macroeconômica Aplicada, Crawford Escola de Políticas Públicas, a Universidade Nacional da Austrália. Chan, Joshua Koop, Gary Potter, Simon, 2012. Um novo modelo de tendência de inflação, MPRA Paper 39496, Biblioteca Universitária de Munique, Alemanha. Joshua Chan Gary Koop Simon Potter, 2012. Um Novo Modelo de Inflação de Tendência, Working Papers 1202, Universidade de Strathclyde Business School, Departamento de Economia. Movendo modelos de volatilidade estocástica média com aplicação à previsão de inflação Eu introduzo uma nova classe de modelos que tem tanto Volatilidade estocástica e erros de média móvel, onde a média condicional tem uma representação de espaço de estados. Ter uma componente de média móvel, no entanto, significa que os erros na equação de medição já não são independentes em série, ea estimativa torna-se mais difícil. Desenvolvemos um simulador posterior que se baseia em avanços recentes em algoritmos de precisão para estimar esses novos modelos. Em uma aplicação empírica envolvendo inflação nos EUA, descobrimos que esses modelos de volatilidade estocástica média móvel fornecem melhor desempenho na amostra e desempenho de previsão fora da amostra do que as variantes padrão com apenas volatilidade estocástica. Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Seja paciente, pois os arquivos podem ser grandes. Como o acesso a este documento é restrito, você pode querer procurar uma versão diferente em Pesquisas relacionadas (mais adiante) ou procurar uma versão diferente do mesmo. Artigo fornecido pela Elsevier em seu diário Journal of Econometrics. Outras versões deste item: Encontrar documentos relacionados por classificação JEL: C11 - Métodos Matemáticos e Quantitativos - - Métodos e Metodologias Econométricas e Estatísticas: Geral - - - Análise Bayesiana: Geral C51 - Métodos Matemáticos e Quantitativos - Modelação Econométrica - Construção e Estimação C53 - Métodos Matemáticos e Quantitativos - - Modelação Econométrica - - - Modelos de Previsão e Previsão Métodos de Simulação Referências listadas em IDEAS. ou. Se você é o autor registrado do trabalho citado, faça login no seu perfil do Serviço de Autor RePEc. Clique em citações e faça os ajustes apropriados. John Geweke Gianni Amisano, 2011. Modelos hierárquicos de mistura normal de Markov com aplicações para retornos de ativos financeiros, Journal of Applied Econometrics. John Wiley Sons, Ltd. vol. 26 (1), páginas 1-29, Janeiro / F. Timothy Cogley, Giorgio E. Primiceri, Thomas J. Sargent, 2008. Persistência da Inflação-Gap nos Estados Unidos, NBER Working Papers 13749, Escritório Nacional de Pesquisas Econômicas, Inc. Gary Koop Dimitris Korobilis, 2011. Previsão da inflação usando o modelo dinâmico 1119, Universidade de Strathclyde Business School, Departamento de Economia. Gary Koop Dimitris Korobilis, 2012. Previsão da inflação usando o modelo dinâmico de média, International Economic Review. Departamento de Economia, Universidade da Pensilvânia e Universidade de Osaka Instituto de Pesquisa Social e Econômica Associação, vol. Um novo modelo de inflação de tendência, CAMA Working Papers 2012-08, Centro de Análise Macroeconômica Aplicada, Crawford Escola de Políticas Públicas, The Universidade Nacional Australiana. Joshua Chan Gary Koop Simon Potter, 2012. Um Novo Modelo de Inflação de Tendências, Working Papers 1202, Universidade de Strathclyde Business School, Departamento de Economia. Chan, Joshua Koop, Gary Potter, Simon, 2012. Um novo modelo de tendência de inflação, MPRA Paper 39496, Biblioteca Universitária de Munique, Alemanha. Chan, Joshua Koop, Gary Potter, Simon, 2012. Um Novo Modelo de Inflação Tendência, SIRE Papers Discussão 2012-12, Instituto Escocês de Pesquisa em Economia (SIRE). Chan, Joshua C C Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2010. Modelos de Dimensão Variável no Tempo, Documentos de Discussão SIRE 2012-33, Instituto Escocês de Pesquisa em Economia (SIRE). Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2010. Modelos de Dimensão Variável no Tempo, Working Paper Series 4410, Centro de Análise Econômica de Rimini. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2010. Modelos de Dimensão Variável no Tempo, Documentos de Trabalho da ANU em Economia e Econometria 2010-523, Universidade Nacional Australiana, Faculdade de Economia e Negócios, Faculdade de Economia. Joshua C C Chan Gary Koop Roberto Leon-Gonzales Rodney Strachan W, 2011. Time Varying Modelos Dimensão, CAMA Working Papers 2011-28, Centro de Análise Macroeconômica Aplicada, Crawford Escola de Políticas Públicas, a Universidade Nacional da Austrália. Modelos de Volatilidade Estocástica Média com Aplicação à Previsão de Inflação Joshua CC Chan Universidade Nacional Australiana (ANU) Universidade Estadual Paulista (Universidade Estadual Paulista de São Paulo) ) Introduzimos uma nova classe de modelos que tem ambos volatilidade estocástica e erros de média móvel, onde a média condicional tem uma representação de espaço de estado. Ter uma componente de média móvel, no entanto, significa que os erros na equação de medição já não são independentes em série, ea estimativa torna-se mais difícil. Desenvolvemos um simulador posterior que se baseia em avanços recentes em algoritmos de precisão para estimar esses novos modelos. Em uma aplicação empírica envolvendo inflação nos EUA, verificamos que esses modelos de volatilidade estocástica média móvel proporcionam melhor desempenho na aptidão da amostra e desempenho de previsão fora da amostra do que as variantes padrão com apenas volatilidade estocástica. Número de páginas em PDF: 27 Palavras-chave: espaço de estados, modelo de componentes não observados, precisão, esparsa, densidade de previsão JEL Classificação: C11, C51, C53 Publicado em: 8 de junho de 2013 Aplicação à Previsão de Inflação (maio de 2013). CAM Documento de Trabalho 31/2013. Disponível em SSRN: ssrn / abstract2275688 ou dx. doi. org/10.2139/ssrn.2275688 Informações de Contato Joshua C. C. Chan (Autor do Contato) Australian National University (ANU) (email)
Comments
Post a Comment