Unobserved components with stochastic volatility: Simulation‐based estimation and signal extraction
含随机波动率的不可观测成分模型：模拟估计与信号提取AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究不可观测成分时间序列模型，并以通胀建模和预测为应用背景，因此支持时间序列与预测两个细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含随机波动率的不可观测成分模型：模拟估计与信号提取
- 研究问题
- 对于含随机波动率的不可观测成分时间序列模型，如何实现计算可行的参数估计，并用于单变量及多变量通胀模型的分析？
- 方法与思路
- 作者提出经典统计框架下的模拟最大似然方法，处理单变量和多变量模型；该方法也可用于贝叶斯分析中的边际似然评价。
- 材料陈述的贡献
- 摘要称模拟方法在单变量与多变量模型中均计算可行，并可评价贝叶斯边际似然；另报告 Monte Carlo 研究和美国总体通胀应用。
- 阅读关注点
- 核对潜在成分及波动率设定、模拟似然近似和数值误差控制；题名中的信号提取步骤，也应与参数估计方法分别检查。
- 阅读边界
- 虽题名涉及信号提取，摘要未说明滤波或平滑算法，也未报告模拟数值、计算成本及相对基准，无法判断具体精度与效率。
原文摘要
Summary The unobserved components time series model with stochastic volatility has gained much interest in econometrics, especially for the purpose of modelling and forecasting inflation. We present a feasible simulated maximum likelihood method for parameter estimation from a classical perspective. The method can also be used for evaluating the marginal likelihood function in a Bayesian analysis. We show that our simulation‐based method is computationally feasible, for both univariate and multivariate models. We assess the performance of the method in a Monte Carlo study. In an empirical study, we analyse U.S. headline inflation using different univariate and multivariate model specifications.