原文链接：http://tecdat.cn/?p=24162

原文出处：拓端数据部落公众号

在这个例子中，我们考虑马尔可夫转换随机波动率模型。

统计模型

设 yt为因变量，xt 为 yt 未观察到的对数波动率。对于 t≤tmax，随机波动率模型定义如下

状态变量 ct 遵循具有转移概率的二状态马尔可夫过程

N(m,σ2)表示均值 m 和方差 σ2的正态分布。

BUGS语言统计模型

文件内容 ：

设置

设置随机数生成器种子以实现可重复性

加载模型和数据

模型参数

解析编译BUGS模型，以及样本数据

绘制数据

对数收益率

序列蒙特卡罗Sequential Monte Carlo

运行

模型诊断

绘图平滑 ESS

smC：SESS

绘制加权粒子

粒子（平滑）

汇总统计

绘图滤波估计

滤波估计

绘图平滑估计

平滑估计

边缘滤波和平滑密度

边缘后验

粒子独立 Metropolis-Hastings

运行

一些汇总统计

后验均值和分位数

后验均值和分位数

MCMC 样本的踪迹图

跟踪样本

后验直方图

后边缘直方图

后验的核密度估计

KDE 后验边缘估计

敏感性分析

我们想研究对参数 α 值的敏感性

算法参数

运行灵敏度分析

绘制对数边缘似然和惩罚对数边缘似然

敏感性：对数似然

最受欢迎的见解

1.HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率

2.WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较

3.波动率的实现：ARCH模型与HAR-RV模型

4.R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

5.使用R语言随机波动模型SV处理时间序列中的随机波动率

6.R语言多元COPULA GARCH 模型时间序列预测

7.R语言基于ARMA-GARCH过程的VAR拟合和预测

8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

9.R语言对S＆P500股票指数进行ARIMA + GARCH交易策略