Hướng dẫn thực hành ước lượng mô hình SV bằng Stata A practical guide to estimating sv models using Stata 1. Tóm tắt tổng hợp kiến thức Trong các bài học trước, chúng ta đã hiểu rõ rằng thách thức lớn nhất khi làm việc với mô hình Biến động Ngẫu nhiên (SV) là bản chất tiềm ẩn của biến động. Chúng ta không thể quan sát trực tiếp $\sigma_t$, do đó không thể sử dụng các phương pháp ước lượng tiêu chuẩn như OLS hay MLE một cách dễ dàng. Chúng ta cũng đã khám phá ra rằng các phương pháp suy diễn dựa trên mô phỏng, đặc biệt là Chuỗi Markov Monte Carlo (MCMC) theo trường phái Bayes, là “tiêu chuẩn vàng” để giải quyết bài toán này một cách hiệu quả. Trong bài thực hành hôm nay, chúng ta sẽ cùng nhau đi qua từng bước để ước lượng một mô hình SV log-normal kinh điển bằng phương pháp MCMC ngay trên Stata. Mục tiêu không chỉ là chạy lệnh và lấy kết quả, mà là để …
Các bài đã xem
- Tổng hợp và lý thuyết nâng cao
- Ước lượng và diễn giải kết quả từ mô hình Logit và Probit
- Thực hành MVMA với hiệu ứng cố định và ngẫu nhiên
- Hướng dẫn thực hành tổng hợp với Stata
- Nền tảng về quá trình lévy và mô hình CARMA
- Hồi quy giả và các kiểm định đồng liên kết trong dữ liệu bảng
- Nền tảng lý thuyết về các cơ chế dữ liệu khuyết
- Các phương pháp phòng ngừa rủi ro nâng cao
- Những cân nhắc thực tiễn khi triển khai
- Ứng dụng mô hình ARMA để dự báo trong tài chính
- Kiểm định nghiệm đơn vị thế hệ thứ nhất
- Tổng hợp và so sánh các phương pháp
- Nền tảng mô hình hồi quy cho phương sai
-
Xem thêm