基于Dirichlet混合過程的半?yún)㈦p自回歸模型的估計.pdf

1、貝葉斯方法是當今統(tǒng)計學界使用相當廣泛的統(tǒng)計手段，在很多方面碩果累累。不過非參數(shù)貝葉斯方法在時間序列分析領域內的應用還存在差距，這主要是因為在參數(shù)空間上尋找有效先驗分布困難度較大。近幾十年學者致力于研究先驗分布的選擇問題，并有所突破。本文就是基于Ferguson1973年提出的Dirichlet過程先驗來研究時間序列模型，在不限定模型擾動項的方差情況下使得模型更加靈活有效。
　　資產收益波動率的研究一直是學術界的熱點，其中最為著名的

2、就是GARCH類模型。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。但該模型的很多結果局限于擾動項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混合過程應用于雙自回歸模型，使得該模型能夠處理時間序列數(shù)據(jù)存在異質性（如周期性、多峰分布等）的情況。同時模型中引入潛在變量，結合Gibbs抽樣方法，使得抽樣更有效率，且模型能夠很好