Wyszukiwanie zaawansowane ?

Obiekt

Estimation of the Cholesky Multivariate Stochastic Volatility Model Using Iterated Filtering
Pobierz

Tytuł: Estimation of the Cholesky Multivariate Stochastic Volatility Model Using Iterated Filtering

Tytuł odmienny:

Estymacja wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego przy użyciu iterowanej filtracji

Autor:

Szczepocki, Piotr

Opis:

Econometrics = Ekonometria, 2023, Vol. 27, No. 4, s. 44-58

Abstrakt:

Aim: The paper aims to propose a new estimation method for the Cholesky Multivariate Stochastic Volatility Model based on the iterated filtering algorithm (Ionides et al., 2006, 2015). Methodology: The iterated filtering method is a frequentist-based technique that through multiple repetitions of the filtering process, provides a sequence of iteratively updated parameter estimates that converge towards the maximum likelihood estimate. Results: The effectiveness of the proposed estimation method was shown in an empirical example in which the Cholesky Multivariate Stochastic Volatility Model was used in a study on safe-haven assets of one market index: Standard and Poor’s 500 and three safe-haven candidates: gold, Bitcoin and Ethereum. Implications and recommendations: In further research, the iterating filtering method may be used for more advanced multivariate stochastic volatility models that take into account, for example, the leverage effect (as in Ishihara et al., 2016) and heavy-tailed errors (as in Ishihara and Omori, 2012). Originality/Value: The main contribution of the paper is the proposition of a new estimation method for the Cholesky Multivariate Stochastic Volatility Model based on iterated filtering algorithm This is one of the few frequentist-based statistical inference methods for multivariate stochastic volatility models.

Wydawca:

Publishing House of Wroclaw University of Economics and Business

Miejsce wydania:

Wroclaw

Data wydania:

2023

Typ zasobu:

artykuł

Identyfikator zasobu:

doi:10.15611/eada.2023.4.04 ; oai:dbc.wroc.pl:126041

Język:

eng

Powiązania:

Econometrics = Ekonometria, 2023, Vol. 27, No. 4

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Ekonometria = Econometrics

Temat i słowa kluczowe:

multivariate stochastic volatility iterated filtering particle filters Cholesky Multivariate Stochastic Volatility wielowymiarowe modele stochastycznej zmienności iterowana filtracja filtry cząsteczkowe

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

4 mar 2024

Data dodania obiektu:

4 mar 2024

Liczba wyświetleń treści obiektu:

103

Wszystkie dostępne wersje tego obiektu:

https://dlibra.kdm.wcss.pl/publication/164836

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Estimation of the Cholesky Multivariate Stochastic Volatility Model Using Iterated Filtering 4 mar 2024

Obiekty Podobne
Modelowanie generujące w zastosowaniu do śledzenia ruchu człowieka

Gonczarek, Adam Świątek, Jerzy. Promotor

2013
rozprawa doktorska
Optica Applicata
Optica Applicata
Moving targets visual tracking in complex scenes based on PCR6 combine rules

Fang, Yingwu Urbańczyk, Wacław. Redakcja

2024
artykuł
Ekonometria = Econometrics
Ekonometria = Econometrics
Clustering companies listed on the Warsaw Stock Exchange according to time-varying beta

Szczepocki, Piotr

2019
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji