Bayesian analysis of ARMA–GARCH models: A Markov chain sampling approach
Bayesian analysis of ARMA–GARCH models: A Markov chain sampling approach
复制标题
DOI：
10.1016/s0304-4076(99)00029-9
复制
发表时间：
2000-03
影响因子：
6.3
通讯作者：
T. Nakatsuma
中科院分区：
文献类型：
--
作者：
T. Nakatsuma
我们为具有 ARMA(p, q )-GARCH(r, s ) 误差的线性回归模型开发了马尔可夫链蒙特卡罗方法。为了从联合后验分布生成蒙特卡洛样本，我们采用带有 Metropolis-Hastings 算法的马尔可夫链采样。作为说明，我们估计了模拟时间序列数据的 ARMA-GARCH 模型。
We develop a Markov chain Monte Carlo method for a linear regression model with an ARMA(p, q )-GARCH(r, s ) error. To generate a Monte Carlo sample from the joint posterior distribution, we employ a Markov chain sampling with the Metropolis–Hastings algorithm. As illustration, we estimate an ARMA–GARCH model of simulated time series data.