针对SV模型转换为线性状态空间形式之后带来的非高斯对数卡方误差,文章以高斯混合分布近似具有左偏长尾性质的对数卡方分布,得到状态空间SV-MG(SV with Mixture-of-Guass)模型。结合MCMC方法和EM算法估计SV模型参数和高斯混合参数,并利...针对SV模型转换为线性状态空间形式之后带来的非高斯对数卡方误差,文章以高斯混合分布近似具有左偏长尾性质的对数卡方分布,得到状态空间SV-MG(SV with Mixture-of-Guass)模型。结合MCMC方法和EM算法估计SV模型参数和高斯混合参数,并利用近似滤波(AMF)算法实现SV-MG模型的样本外预测。据此对沪深股市进行了实证研究。展开更多
文摘针对SV模型转换为线性状态空间形式之后带来的非高斯对数卡方误差,文章以高斯混合分布近似具有左偏长尾性质的对数卡方分布,得到状态空间SV-MG(SV with Mixture-of-Guass)模型。结合MCMC方法和EM算法估计SV模型参数和高斯混合参数,并利用近似滤波(AMF)算法实现SV-MG模型的样本外预测。据此对沪深股市进行了实证研究。