Bewegungs Durchschnitt Stochastische Volatilität Modelle Mit Anwendung Zu Inflation

Bewegliche durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflationsprognose Zusammenfassung: Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende durchschnittliche Fehler haben, wobei das bedingte Mittel eine Zustandsraumdarstellung hat. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit U. S.-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere Eignung und Out-of-Probe-Prognose-Performance bieten als die Standardvarianten mit nur stochastischer Volatilität. Export-Referenz: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Diese Seite ist Teil von RePEc und alle hier angezeigten Daten sind Teil des RePEc-Datensatzes. Ist Ihre Arbeit fehlt bei RePEc Hier ist, wie man beitragen kann. Fragen oder Probleme Überprüfen Sie die EconPapers FAQ oder senden Sie eine E-Mail an. Seite aktualisiert 2017-02-28Moving durchschnittliche stochastische Volatilität Modelle mit Anwendung auf Inflation Prognose Joshua C. C. Chan . Research School of Economics, Australian National University, Australien erhielt 27. März 2012. Überarbeitet am 15. Oktober 2012. Akzeptiert am 23. Mai 2013. Verfügbar online 30. Mai 2013. Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende durchschnittliche Fehler haben Bedingtes Mittel hat eine Zustandsraumdarstellung. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit US-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere In-Probe-Fitness und Out-of-Probe-Prognose-Performance bieten als die Standardvarianten mit nur stochastischer Volatilität. JEL-Klassifikation Zustandsraum Unbeobachtete Komponenten Modell Präzision Spärliche Dichteprognose Tabelle 1. Abb. 2. Abb. 3. Abb. 4. Tabelle 2. Abb. 5.Moving durchschnittliche stochastische Volatilitätsmodelle mit Anwendung auf Inflationsprognose Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende durchschnittliche Fehler haben, wobei das bedingte Mittel eine staatliche Raumdarstellung hat. Mit einer gleitenden Mittelkomponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten bei präzisionsbasierten Algorithmen zur Schätzung dieser neuen Modelle aufbaut. In einer empirischen Anwendung mit US-Inflation finden wir, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere In-Probe-Fitness und Out-of-Probe-Prognose-Performance bieten als die Standardvarianten mit nur stochastischer Volatilität. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte sei geduldig, da die Dateien groß sein können. Da der Zugriff auf dieses Dokument eingeschränkt ist, können Sie nach einer anderen Version unter Related research (weiter unten) suchen oder nach einer anderen Version suchen. Artikel von Elsevier in seiner Zeitschrift Journal of Econometrics. Andere Versionen dieses Artikels: Finden Sie ähnliche Papiere von JEL Klassifizierung: C11 - Mathematische und quantitative Methoden - - Ökonometrische und statistische Methoden und Methodik: Allgemein - - - Bayesische Analyse: Allgemeines C51 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Modell Bau und Schätzung C53 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Prognose - und Vorhersagemodelle Simulationsmethoden Referenzen auf IDEAS Bitte melden Sie Zitat oder Referenzfehler an. oder. Wenn Sie der registrierte Autor der zitierten Arbeit sind, melden Sie sich bei Ihrem RePEc Author Service-Profil an. Klicken Sie auf Zitate und passen Sie entsprechende Einstellungen vor. Ruiz-Crdenas, Ramiro Krainski, Elias T. Rue, Hvard, 2012. Direkte Anpassung von dynamischen Modellen mit integrierten verschachtelten Laplace-Approximationen INLA, Computational Statistics Data Analysis. Elsevier, vol. 56 (6), Seiten 1808-1828. Sangjoon Kim Neil Shephard Siddhartha Chib, 1998. Stochastische Volatilität: Wahrscheinlichkeitsfolgerung und Vergleich mit ARCH-Modellen, Review of Economic Studies. Oxford University Press, Bd. 65 (3), Seiten 361-393. Joshua C C Chan Gary Koop Roberto Leon-Gonzales Rodney W Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, CAMA Working Papers 2011-28, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Chan, Joshua C C Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2010. Zeit Unterschiedliche Dimension Modelle, SIRE Diskussionspapiere 2012-33, Scottish Institute for Research in Economics (SIRE). Joshua Chan Gary Koop Roberto Leon-Gonzalez Rodney Strachan, 2011. Zeit Unterschiedliche Dimension Modelle, Working Papers 1116, Universität Strathclyde Business School, Department of Economics. Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, Working Paper Serie 4410, Das Rimini Zentrum für Wirtschaftsanalyse. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2010. Zeit Unterschiedliche Dimension Modelle, ANU Working Papers in Wirtschaftswissenschaften und Ökonometrie 2010-523, Australian National University, Hochschule für Wirtschaft und Wirtschaft, School of Economics. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, SIRE Diskussionspapiere 2012-12, Scottish Institute for Research in Economics (SIRE). Joshua Chan Gary Koop Simon Potter, 2012. Ein neues Modell der Trend-Inflation, Working Papers 1202, Universität der Strathclyde Business School, Department of Economics. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, MPRA Paper 39496, Universitätsbibliothek München, Deutschland. Joshua C C Chan Gary Koop Simon M Potter, 2012. Ein neues Modell der Trend-Inflation, CAMA Working Papers 2012-08, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Gary Koop Dimitris Korobilis, 2011. Prognose Inflation mit dynamischen Modell Mittelung, Working Papers 1119, Universität der Strathclyde Business School, Department of Economics. Gary Koop Dimitris Korobilis, 2012. Prognose-Inflation mit dynamischen Modell-Mittelung, International Economic Review. Fachbereich Wirtschaftswissenschaften, Universität Pennsylvania und Osaka University Institute of Social and Economic Research Association, Bd. 53 (3), Seiten 867-886, 08.