蒙特卡罗模拟的条件方差模型
蒙特卡罗模拟是什么?
蒙特卡罗模拟是生成独立的过程中,随机从指定的概率模型。在模拟时间序列模型时,一个画(或实现)是整个样本路径指定的长度N,y1,y2、……yN。当你产生大量的吸引,说米,你生成米样本路径长度N。
请注意
一些扩展的蒙特卡罗模拟依赖于生成依赖随机吸引,如马尔可夫链蒙特卡罗(密度)。的模拟
在计量经济学工具箱™生成独立的实现。
蒙特卡罗模拟的应用有:
说明理论结果
预测未来事件
估计未来事件的概率
生成蒙特卡罗样本路径
条件方差模型指定的方差的动态演化过程。执行条件方差的蒙特卡罗模拟模型:
指定所需presample数据(或使用默认presample数据)。
生成下一个条件方差递归地使用指定的条件方差模型。
模拟未来创新的创新分布(高斯或学生的t使用当前的条件方差)。
例如,考虑一个GARCH(1,1)过程没有意味着抵消, 在哪里zt遵循标准化的高斯或学生的t分布和
分布是高斯假设创新。
鉴于presample方差 和presample创新 实现条件方差和创新过程的递归生成:
样本 从高斯分布的方差
样本 从高斯分布的方差
样本 从高斯分布的方差
随机生成来自EGARCH和GJR模型同样,使用相应的条件方差方程。
蒙特卡罗错误
使用许多模拟路径,您可以估计模型的各种特性。然而,蒙特卡罗估计是基于有限数量的模拟。因此,蒙特卡罗估计受一些错误。你可以减少蒙特卡罗错误在你的模拟研究通过增加样本路径的数量,米你从模型生成。
例如,估计未来事件的概率:
生成米从你的模型示例路径。
估计未来事件的概率使用样本比例的事件发生米模拟,
计算蒙特卡罗估计标准误差,
你可以减少蒙特卡罗概率估计的误差通过增加实现的数量。如果你知道你估计的所需的精度,可以解出数量的实现需要达到的精度水平。