Riemann manifold Langevin methods on stochastic volatility estimation

Autor(es)

Zevallos, Mauricio ^[1] ; Gasco, Loretta ^[2] ; Ehlers, Ricardo ^[3]

Afiliação do(s) autor(es)

^[1] Univ Estadual Campinas, Dept Stat, UNICAMP, Campinas, SP - Brazil

^[2] Pontificia Univ Catolica Peru, Fac Ciencias & Ingn, San Miguel Lima - Peru

^[3] Univ Sao Paulo, Dept Appl Math & Stat, BR-03178200 Sao Paulo - Brazil

• Tipo de documento: Artigo Científico
• Fonte: COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION; v. 46, n. 10, p. 7942-7956, 2017.
• Citações Web of Science: 0

Resumo

In this article, we perform Bayesian estimation of stochastic volatility models with heavy tail distributions using Metropolis adjusted Langevin (MALA) and Riemman manifold Langevin (MMALA) methods. We provide analytical expressions for the application of these methods assess the performance of these methodologies in simulated data, and illustrate their use on two financial time series datasets. (AU)

• Processo FAPESP: 15/00627-9 - Inferencia Bayesiana, Metropolis-Langevin e Hamiltoniano em Variedades Riemannianas.
• Beneficiário: Ricardo Sandes Ehlers
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Processo FAPESP: 13/00506-1 - Séries temporais, ondaletas e análise de dados funcionais
• Beneficiário: Pedro Alberto Morettin
• Modalidade de apoio: Auxílio à Pesquisa - Temático