应用概率统计 2011, 27(6) 642-656 DOI:      ISSN: 1001-4268 CN: 31-1256

本期目录 | 下期目录 | 过刊浏览 | 高级检索                                                            [打印本页]   [关闭]
学术论文
扩展功能
本文信息
Supporting info
PDF(220KB)
[HTML全文]
参考文献[PDF]
参考文献
服务与反馈
把本文推荐给朋友
加入我的书架
加入引用管理器
引用本文
Email Alert
本文关键词相关文章
本文作者相关文章
PubMed
长记忆ARFIMA-GARCH模型的状态空间模型估计
王立洪,顾承祖
南京大学数学系
摘要

本文考虑了ARFIMA-GARCH类模型的状态空间表示.
ARFIMA-GARCH这类模型结合了长记忆时间序列和条件异方差过程.
虽然ARFIMA-GARCH模型的状态空间表示是无穷维的,
但是基于这种表示法的精确极大似然估计可以在样本长度的迭代计算中得到.
本文提出了基于模型的截断的自回归展开式的似然函数近似估计,
进而得到了模型参数的拟似然估计. 利用状态空间表示的便利,
本文的估计方法被应用到了缺失数据的情形. 最后,
我们还将本文的方法应用于模拟计算(缺失数据和非缺失数据)和实际数据分析.

关键词
State Space Estimation for Long Memory ARFIMA-GARCH Models
Wang Lihong,Gu Chengzu
Nanjing University
Abstract:

This paper considers the state space representation
for the ARFIMA-GARCH model, which combines both the long memory time
series and the conditional heteroscedastic processes. Although this
state space representation is infinite dimensional, an exact maximum
likelihood (ML) estimator based on this kind of representation can
be computed in a finite number of iterations. Quasi ML estimators
based on the autoregressive approximation for the likelihood
function are proposed. Due to the facility of the state space
representation, these estimation approaches can be easily applied to
the missing data case. Simulation results of both the non-missing
data case and the missing data case are reported. A real data
example from stock market illustrates the proposed method.

Keywords:
收稿日期  修回日期  网络版发布日期  
DOI:
基金项目:

通讯作者: 王立洪
作者简介:
作者Email:

参考文献:
本刊中的类似文章

Copyright by 应用概率统计