Temat: multivariate stochastic volatility model

Skocz do pozycji: 1.

Tytuł:: Bayesian Analysis of Stochastic Volatility Model and Portfolio Allocation
Bayesowska analiza modelu zmienności stochastycznej w optymalizacji portfela
Autorzy:: Pajor, Anna
Tematy:: multivariate stochastic volatility model
Bayesian analysis
portfolio allocation
Markov chain Monte Carlo; Pokaż więcej
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Powiązania:: https://bibliotekanauki.pl/articles/907594.pdf Link otwiera się w nowym oknie
Opis:: In this paper we present the multivariate stochastic volatility model based on the Cholesky decomposition. This model and the Bayesian approach is used to model bivariate daily financial time series and construct an optimal portfolio. We consider the hypothetical portfolios consisted of two currencies that were most important for the Polish economy: the US dollar and the German mark. In the optimization process we used the predictive distributions of future returns and the predictive covariance matrix obtained from the MSV model.
W artykule przedstawiono model zmienności stochastycznej, oparty na dekompozycji Choleskiego. Następnie model SV oraz podejście Bayesowskie zostało wykorzystane do modelowania zmienności dwuwymiarowych finansowych szeregów czasowych oraz budowy optymalnego portfela walutowego. Rozważono hipotetyczny portfel, w skład którego wchodzą złotówkowe kursy dwóch walut: dolara amerykańskiego i marki niemieckiej. W procesie optymalizacji portfela wykorzystano predyktywny rozkład stóp zwrotu oraz predyktywny rozkład macierzy warunkowych kowariancji, uzyskany w rozważanym modelu MSV za pomocą metod Monte Carlo (MCMC).
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Estimation of the Cholesky Multivariate Stochastic Volatility Model Using Iterated Filtering
Estymacja wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego przy użyciu iterowanej filtracji
Autorzy:: Szczepocki, Piotr
Tematy:: multivariate stochastic volatility
iterated filtering
particle filters
the Cholesky Multivariate Stochastic Volatility (ChMSV) Model
wielowymiarowe modele stochastycznej zmienności
iterowana filtracja
filtry cząsteczkowe; Pokaż więcej
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Powiązania:: https://bibliotekanauki.pl/articles/28407803.pdf Link otwiera się w nowym oknie
Opis:: 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.
Cel: Celem artykułu jest zaproponowanie nowej metody estymacji dla wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego w oparciu o algorytm iterowanej filtracji (Ionides et al., 2006, 2015). Metodyka: Iterowana filtracja jest metodą należącą do klasycznego częstościowego wnioskowania, która poprzez wielokrotne powtórzenia procesu filtrowania zapewnia sekwencję aktualizowanych oszacowań parametrów zbieżnych do estymatora największej wiarygodności. Wyniki: Efektywność zaproponowanej metody estymacji została pokazana na przykładzie empirycznym, w którym wykorzystano wielowymiarowy model stochastyczny zmienności z dekompozycją Choleskiego w badaniu aktywów bezpiecznej przystani dla jednego indeksu rynkowego: Standard and Poor's 500 oraz trzech kandydatów na aktywa bezpiecznej przystani: złota, Bitcoina i Ethereum. Implikacje i rekomendacje: W dalszych badaniach metodę iterowanej filtracji można zastosować do bardziej zaawansowanych wielowymiarowych modeli zmienności stochastycznej, które uwzględniają np. efekt dźwigni (Ishihara et al., 2016) oraz rozkłady gruboogonowe (Ishihara i Omori, 2012). Oryginalność/Wartość: Głównym osiągnięciem artykułu jest propozycja nowej metody estymacji wielowymiarowego modelu stochastycznej zmienności z dekompozycją Choleskiego w oparciu o iterowany algorytm filtrowania. Jest to jedna z niewielu metod klasycznego częstościowego wnioskowania dla wielowymiarowych modeli stochastycznej zmienności.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "multivariate stochastic volatility model" wg kryterium: Temat