Estimating the Marginal Likelihood Using the Arithmetic Mean Identity

Pajor, Anna

doi:10.1214/16-ba1001

Cited by 44 publications

(46 citation statements)

References 33 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…skorygowanej średniej harmonicznej, estymatora Chiba i Jeliazkova, estymatora Laplace'a i Metropolisa czy skorygowanej średniej arytmetycznej [Mokrzycka i Pajor 2016, Pajor 2017.…”

Section: Losowanie Z Funkcją Ważnościunclassified

Porównanie bayesowskich modeli Copula-AR(1)-GARCH(1,1) z asymetrycznością rozkładów warunkowych

Mokrzycka

2018

KREM

View full text Add to dashboard Cite

Porównanie bayesowskich modeli Copula-AR(1)-GARCH(1,1) z asymetrycznością rozkładów warunkowych * StreszczenieCelem artykułu jest formalne porównanie mocy wyjaśniającej dwuwymiarowych bayesowskich modeli Copula-GARCH z warunkowym skośnym oraz symetrycznym rozkładem t-Studenta na przykładzie danych pochodzących z polskiego rynku finansowego. Przedmiotem porównania były 22 modele Copula-AR(1)-GARCH(1,1) różniące się kopulą oraz występowaniem skośności rozkładów brzegowych. W kontekście rozważa-nych modeli opracowane zostały metody Monte Carlo z funkcją ważności w celu uzyskania charakterystyki rozkładów a posteriori oraz wartości brzegowych gęstości macierzy obserwacji. Dla analizowanych danych empirycznych bardziej prawdopodobne a posteriori okazały się modele z symetrycznymi warunkowymi rozkładami t-Studenta. Dla logarytmicznych dziennych stóp zwrotu subindeksów indeksu WIG najwyższe prawdopodobień-stwo a posteriori uzyskał model z kopulą Claytona-Gumbela. Zastosowanie skośnego rozkładu t-Studenta nie poprawiło mocy wyjaśniającej modeli Copula-GARCH.Justyna Mokrzycka, Uniwersytet Ekonomiczny w Krakowie, Wydział Finansów i Prawa, Katedra Matematyki, ul. Rakowicka 27, 31-510 Kraków, e-mail: justyna.mokrzycka@uek.krakow.pl * Artykuł powstał w wyniku realizacji projektu badawczego finansowanego ze środków przyznanych Wydziałowi Finansów i Prawa Uniwersytetu Ekonomicznego w Krakowie w ramach dotacji na utrzymanie potencjału badawczego. Autorka serdecznie dziękuje Pani Profesor Annie Pajor za cenne uwagi merytoryczne.

show abstract

“…skorygowanej średniej harmonicznej, estymatora Chiba i Jeliazkova, estymatora Laplace'a i Metropolisa czy skorygowanej średniej arytmetycznej [Mokrzycka i Pajor 2016, Pajor 2017.…”

Section: Losowanie Z Funkcją Ważnościunclassified

Porównanie bayesowskich modeli Copula-AR(1)-GARCH(1,1) z asymetrycznością rozkładów warunkowych

Mokrzycka

2018

KREM

View full text Add to dashboard Cite

show abstract

“…We apply a simple corrected arithmetic mean estimator proposed by Pajor (2016) that is based on the identity: denote the prior and posterior probabilities, respectively, of set O and I O (✓) denotes an indicator function that takes the value of one if ✓ 2 O, and zero otherwise. Pajor (2016) shows that a consistent and unbiased estimator of the MDD in equation (B.5) is given byp…”

Section: Appendix B3 Estimation Of Marginal Data Densitiesmentioning

confidence: 99%

“…denotes a sample drawn from the importance density s(.). In the estimator abovê Pr[O|Y] = 1 by defining the set O as ✓ ⇤ : p (Y|✓ ⇤ ) c O , where c O is the minimum value of the likelihood function evaluated at the draws from the posterior distribution, as recommended by Pajor (2016). Moreover, following Pajor (2016) the importance density is set to a multivariate truncated normal density with the mean and covariance set to the posterior mean and posterior covariance of the parameters, respectively.…”

Section: Appendix B3 Estimation Of Marginal Data Densitiesmentioning

confidence: 99%

Bayesian Inference for Structural Vector Autoregressions Identified by Markov-Switching Heteroskedasticity

Lütkepohl

Woźniak

2017

SSRN Journal

View full text Add to dashboard Cite

Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in AbstractIn order to identify structural shocks that affect economic variables, restrictions need to be imposed on the parameters of structural vector autoregressive (SVAR) models. Economic theory is the primary source of such restrictions. However, only over-identifying restrictions can be tested with statistical methods which limits the statistical validation of many just-identified SVAR models. In this study, Bayesian inference is developed for SVAR models in which the structural parameters are identified via Markov-switching heteroskedasticity. In such a model, restrictions that are just-identifying in the homoskedastic case, become over-identifying and can be tested.A set of parametric restrictions is derived under which the structural matrix is globally identified and a Savage-Dickey density ratio is used to assess the validity of the identification conditions.For that purpose, a new probability distribution is defined that generalizes the beta, F, and compound gamma distributions. As an empirical example, monetary models are compared using heteroskedasticity as an additional device for identification. The empirical results support models with money in the interest rate reaction function.

show abstract

“…W przypadku stosowania metod Monte Carlo łańcuchów Markowa (w celu prób-kowania rozkładu a posteriori co najwyżej kilkudziesięciu parametrów modeli) właściwym narzędziem jest skorygowany estymator średniej arytmetycznej, który zaproponowała A. Pajor [2017].…”

Section: Podsumowanieunclassified

Dwuwymiarowe zmienne licznikowe – bayesowskie modelowanie selekcji próby

Osiewalski

Marzec

2017

KREM

View full text Add to dashboard Cite

Dwuwymiarowe zmienne licznikowe -bayesowskie modelowanie selekcji próby * Streszczenie W artykule przedstawiono propozycję łącznego modelu statystycznego dwóch zmiennych licznikowych, z których jedna może być zdegenerowana w zerze. Rozważane jest modelowanie oparte na przełączaniu między dwu-i jednowymiarowym modelem regresji poissonowskiej, przy czym przełączanie zależy od zaobserwowanej wartości trzeciej, dychotomicznej zmiennej. Zalecana jest analiza bayesowska; w dwóch szczególnych przypadkach proponowanego modelu bayesowskiego sformułowano konsekwencje ważne dla wnioskowania. W części empirycznej rozważane jest łączne modelowanie liczby płatności gotówką i kartą w Polsce, z wykorzystaniem danych zarówno dla posiadaczy kart, jak i osób ich nieposiadających.Słowa kluczowe: dwuwymiarowe modele regresji Poissona, przełączanie między rozkładem niezdegenerowanym i zdegenerowanym, faktoryzacja funkcji wiarygodności, płatności kartą płatniczą i gotówką. Klasyfikacja JEL: C25, C24, C51. Jacek Osiewalski, Uniwersytet Ekonomiczny w Krakowie, Wydział Zarządzania, Katedra Ekonometrii i Badań Operacyjnych, ul. Rakowicka 27, 31-510 Kraków, e-mail: eeosiewa@cyf-kr.edu.pl Jerzy Marzec, Uniwersytet Ekonomiczny w Krakowie, Wydział Zarządzania, Katedra Ekonometrii i Badań Operacyjnych, ul. Rakowicka 27, 31-510 Kraków, e-mail: marzecj@uek.krakow.pl * Artykuł stanowi wynik realizacji projektu sfinansowanego ze środków przyznanych Wydziałowi Zarządzania Uniwersytetu Ekonomicznego w Krakowie w ramach dotacji na utrzymanie potencjału badawczego.

show abstract

Estimating the Marginal Likelihood Using the Arithmetic Mean Identity

Cited by 44 publications

References 33 publications

Porównanie bayesowskich modeli Copula-AR(1)-GARCH(1,1) z asymetrycznością rozkładów warunkowych

Porównanie bayesowskich modeli Copula-AR(1)-GARCH(1,1) z asymetrycznością rozkładów warunkowych

Bayesian Inference for Structural Vector Autoregressions Identified by Markov-Switching Heteroskedasticity

Dwuwymiarowe zmienne licznikowe – bayesowskie modelowanie selekcji próby

Contact Info

Product

Resources

About