چکیده

الگوریتمی مبتنی بر روش تکامل دیفرانسیلی زنجیره مارکوف مونت کارلو ارائه نموده‌ایم که در آن برای روش استنتاج بیزی که در مدل آر-گراچ به کار گرفته می‌شود، تعداد نامشخصی از شکست‌های ساختاری را در زمان‌های نامشخص، در نظر می‌گیریم. تاریخ‌های شکست، مستقیما به صورت پارامتری رفتار نموده و تعداد این شکست‌ها بوسیله تابع درست ‌نمایی حاشیه‌ای، نشان داده می‌شود. همگرایی الگوریتم را اثبات می‌کنیم و نشان می‌دهیم که چگونه تابع درست نمایی را محاسبه نماییم. به تغیبیرات نقطه‌ای خالص و خصوصیات رژیم‌های تکراری اجازه عمل داده و نشان می‌دهیم که چگونه شکست‌های ساختاری را پیش‌بینی کنیم. کارایی الگوریتم را از طریق شبیه‌سازی نشان داده و آن را برای هشت نمونه سری زمانی مالی از بازده روزانه و در محدوده سال‌های 2011-1987, عرضه کرده‌ایم. حداقل 3 شکست در کل سری‌های زمانی پیدا کردیم.

1-مقدمه

مدل عمومی واریانس ناهمسانی اوتورگرسیوی مشروط (GARCH) ( انجل (1982) و بالرسلف (1986) را ببینید)، به شکل گسترده‌ای برای سری‌های زمانی متنوعی به کار گرفته می‌شوند. چراکه روشی بسیار ساده و قدرتمند برای مدل نوسانی می‌باشد. امروزه استفاده از مدل نوسانی GARCH با پارامترهای ثابت، برای سرهای زمانیی که از شکست در پروسه نوسان ناشی می‌شوند، بسیار محدود شده هستند...

 میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید