Standardowy błąd numeryczny dla estymatorów CHM i CAM

• Autorzy: Anna Pajor

Warianty tytułu

Numerical Standard Error for CHM and CAM Estimators

• Języki publikacji: PL

Abstrakty

W pracy zaproponowano sposób obliczania standardowego błędu numerycznego dla estymatorów wartości brzegowej gęstości wektora obserwacji, opartych na skorygowanej średniej harmonicznej oraz skorygowanej średniej arytmetycznej. W części empirycznej porównano numeryczne własności tych estymatorów w kontekście modeli Copula-AR-GARCH. Dodatkowo zastosowano metodę Chiba i Jeliazkova. Wyniki jednoznacznie pokazały, że estymator oparty na skorygowanej średniej arytmetycznej charakteryzuje się najmniejszym standardowym błędem numerycznym.(abstrakt oryginalny)

EN

The main aim of the paper is to propose methods for calculating numerical standard errors of the corrected harmonic as well as arithmetic mean estimators of the marginal likelihood. We apply these two estimators in Copula-AR-GARCH models for the daily growth rates of four sub-indices of the stock index WIG, published by the Warsaw Stock Exchange. For the sake of comparison Chib and Jeliazkov estimator (as a goldstandard) is also considered. Empirical results demonstrate that the corrected arithmetic mean estimator performs best. It is characterised by smallest numerical standard errors.(original abstract)

Słowa kluczowe

PL

Estymatory; Statystyka

EN

Estimators; Statistics

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria
• Rocznik: 2016
• Tom: 7
• Numer: nr 304
• Strony: 7--18

Twórcy

autor

Anna Pajor

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Chib S. (1995),Marginal Likelihood from the Gibbs Output, "Journal of the American Statistical Association", No. 90, s. 1313-1321
• Chib S., Jeliazkov I. (2001),Marginal Likelihood from Metropolis-Hastings Output, "Journal of the American Statistical Association", No. 96, s. 270-281
• Doman R. (2011), Zastosowania kopuli w modelowaniu dynamiki zależności na rynkach finansowych, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań.
• Grønneberg S., Hjort N.L. (2014), The Copula Information Criteria, "Scandinavian Journal of Statistics", No. 42(2), s. 436-459, http://dx.doi.org/10.1111/sjos.12042.
• Hannan H.J. (1970), Multiple Time Series, Wiley, New York.
• Jeffreys H. (1961), Theory of Probability, Oxford University Press, London.
• Joe H. (1997), Multivariate Models and Dependence Concepts, Chapman and Hall, London.
• Kass R.E., Raftery A.E. (1995), Bayes Factors, "Journal of the American Statistical Association", No. 90, s. 773-795.
• Lenk P. (2009), Simulation Pseudo-Bias Correction to the Harmonic Mean Estimator of Integrated Likelihoods, "Journal of Computational and Graphical Statistics", No. 18, s. 941-960.
• Mokrzycka J., Pajor A. (2016), Formalne porównanie modeli Copula-AR(1)-t- GARCH(1,1) dla subindeksów indeksu WIG, "Przegląd Statystyczny" [w druku].
• Newey W.K., West K.D. (1987), A Simple Positive Semi-Definite Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, "Econometrica", No. 55, s. 703-708.
• Newton M.A., Raftery A.E. (1994), Approximate Bayesian Inference by the Weighted Likelihood Bootstrap, "Journal of the Royal Statistical Society B", No. 56(1), s. 3-48.
• Osiewalski J., Pipień M. (2004), Bayesian Comparison of Bivariate ARCH-type Models for the Main Exchange Rates in Poland, "Journal of Econometrics", No. 123, 371-391.
• Osiewalski J., Steel M.F.J. (1993), A Bayesian Perspective on Model Selection [maszynopis], opublikowano w języku hiszpańskim: Una perspectiva bayesiana en sección de modelos, "Cuadernos Economicos ICE", No. 55, s. 327-351.
• Pajor A., Osiewalski J. (2013), A Note on Lenk's Correction of the Harmonic Mean Estimator, "Central European Journal of Economic Modelling and Econometrics", No. 5(4), s. 271-275, correction: No. 6(1), s. 69.
• Pajor A. (2016), Estimating the Marginal Likelihood Using the Arithmetic Mean Identity, "Bayesian Analysis", No. 12(1), s. 261-287.
• Raftery A.E. (1996), Hypothesis Testing and Model Selection [in:] W.R. Gilks, D.J. Spiegelhalter, S. Richardson (eds.), Markov Chain Monte Carlo in Practice, Chapman and Hall, London, s. 163-188.
• Spiegelhalter D.J., Best N.G., Carlin B.P., Van der Linde A. (2002), Bayesian Measures of Model Complexity and Fit [with Discussion], "Journal of the Royal Statistical Society", Vol. B, No. 64(4), s. 583-616.
• Tierney L. (1994), Markov Chains for Exploring Posterior Distributions [with Discussion], "The Annals of Statistics", No. 22, s. 1701-1762.
• Zellner A. (1971), An Introduction to Bayesian Inference in Econometrics, J. Wiley, New York.