Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Modele zmienności stochastycznej" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Sekwencyjna metoda Monte Carlo i jej zastosowanie do modelowania zmienności inflacji w Polsce
    Sequential Monte Carlo method and its application for modelling inflation volatility in Poland
    Autorzy:
    Brzozowska-Rup, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/2041251.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    algorytm EM
    Inflacja
    metoda SMC
    model CIR
    Modele zmienności stochastycznej
    CIR model
    Expectation-Maximization (EM) algorithm
    Inflation
    Sequential Monte Carlo method
    Stochastic volatility models
    Opis:
    The aim of the article is to present a selected model of stochastic volatility to describe inflation volatility in Poland, with particular emphasis on the possibility of using the estimation technique based on the Sequential Monte Carlo method. A model of stochastic volatility is presented, in which conditional variance is treated as an unobserved variable described by the one-factor Cox, Ingersoll and Ross model (CIR, 1985). The advantages and effectiveness of the proposed method are presented on the basis of monthly inflation rates in Poland from 2004 to 2017.
    Celem artykułu jest zaprezentowanie wybranego modelu stochastycznej zmienności do opisu zmienności inflacji w Polsce, ze szczególnym uwzględnieniem możliwości zastosowania techniki estymacji wykorzystującej sekwencyjną metodę Monte Carlo (ang. Sequential Monte Carlo method, SMC). Przedstawiono model zmienności stochastycznej, w którym wariancja warunkowa jest traktowana jako zmienna nieobserwowana opisywana za pomocą jednoczynnikowego modelu Coxa, Ingersola i Rossa (CIR) [Cox, Ingersoll, Ross, 1985]. Zalety oraz efektywność proponowanej metody zaprezento-wano na podstawie miesięcznych danych historycznych poziomu inflacji w Polsce w latach 2004-2017.
    Źródło:
    Studia Ekonomiczne; 2020, 395; 21-36
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Powiązania:
    https://bibliotekanauki.pl/articles/28407803.pdf
    Data publikacji:
    2023
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    multivariate stochastic volatility
    iterated filtering
    particle filters
    the Cholesky Multivariate Stochastic Volatility (ChMSV) Model
    wielowymiarowe modele stochastycznej zmienności
    iterowana filtracja
    filtry cząsteczkowe
    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.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2023, 27, 4; 44-58
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ wartości ekstremalnych na zmienność stochastyczną
    The Impact of Extreme Observations on Stochastic Volatility
    Autorzy:
    Majewska, Justyna
    Powiązania:
    https://bibliotekanauki.pl/articles/591034.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Estymacja
    Model Blacka-Scholesa
    Modele stochastyczne
    Procesy zmienności stochastycznej
    Black-Scholes model
    Estimation
    Stochastic models
    Stochastic Volatility Processes
    Opis:
    This article takes up validity of the use (on the Polish capital market) of stochastic models which take into account extreme observations. In the comparative analysis aside from the SV been considered models whose structure can better describe the appearance of extreme observations.
    Źródło:
    Studia Ekonomiczne; 2013, 162; 131-143
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies