基于Dirichlet混合過(guò)程的半?yún)㈦p自回歸模型的估計(jì).pdf

1、貝葉斯方法是當(dāng)今統(tǒng)計(jì)學(xué)界使用相當(dāng)廣泛的統(tǒng)計(jì)手段，在很多方面碩果累累。不過(guò)非參數(shù)貝葉斯方法在時(shí)間序列分析領(lǐng)域內(nèi)的應(yīng)用還存在差距，這主要是因?yàn)樵趨?shù)空間上尋找有效先驗(yàn)分布困難度較大。近幾十年學(xué)者致力于研究先驗(yàn)分布的選擇問(wèn)題，并有所突破。本文就是基于Ferguson1973年提出的Dirichlet過(guò)程先驗(yàn)來(lái)研究時(shí)間序列模型，在不限定模型擾動(dòng)項(xiàng)的方差情況下使得模型更加靈活有效。
　　資產(chǎn)收益波動(dòng)率的研究一直是學(xué)術(shù)界的熱點(diǎn)，其中最為著名的

2、就是GARCH類(lèi)模型。然而近期另一種新的異方差模型—雙自回歸模型受到人們的關(guān)注。Ling在2007年研究了該模型的一般平穩(wěn)遍歷條件，并給出了模型的極大似然估計(jì)。但該模型的很多結(jié)果局限于擾動(dòng)項(xiàng)ηt服從正態(tài)分布的情況下，其非正態(tài)的研究尚少。本文將Dirichlet混合過(guò)程應(yīng)用于雙自回歸模型，使得該模型能夠處理時(shí)間序列數(shù)據(jù)存在異質(zhì)性（如周期性、多峰分布等）的情況。同時(shí)模型中引入潛在變量，結(jié)合Gibbs抽樣方法，使得抽樣更有效率，且模型能夠很好