.png){kind=icon}
返回
Spatial Stochastic Volatility Models: A Bayesian Approach with Spatial Moving Average Process
.png){kind=icon}
PRE
AI
DOI：10.1007/s11067-026-09726-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间随机波动模型对于捕捉现实过程中复杂的空间依赖性和变量动态至关重要。本研究引入了一种基于空间移动平均方法生成空间随机波动的新框架，该框架通过空间加权平均的潜在随机过程来建模空间相关的随机效应。为估计模型参数，我们采用贝叶斯马尔可夫链蒙特卡罗算法，并将结果方程转化为对数平方项形式以提高计算效率和稳健性。模拟结果表明，贝叶斯估计量表现出令人满意的有限样本性质。我们进一步通过分析各国股票市场价值展示了所提模型和估计方法的应用价值，突显了模型在捕捉空间依赖性和波动聚类方面的有效性。该框架为处理具有异方差性和复杂依赖结构的空间过程的研究人员和从业者提供了一个通用工具。
Keyword:
Stochastic volatility
Spatial
Moving average
Bayesian
Markov chain Monte Carlo
期刊
N
IF:
1.5
论文数:
49
被引数:
0
机构
引用论文
.png){kind=icon}
Stochastic volatility with leverage: Fast and efficient likelihood inference带杠杆的随机波动率: 快速有效的似然推断
OAAI
OAAI分享收藏
查看更多内容