Bayesian model determination and nonlinear threshold volatility models

Περίληψη

Σκοπός της παρούσας διατριβής είναι η πρότυπη συμβολή στις περιοχές της επιλογής υποδειγμάτων και την εκτίμηση της διακύμανσης. Σε αυτή τη διατριβή εστιάζουμε σε αλγόριθμους Μπεϋζιανής επιλογής υποδειγμάτων, οι οποίοι χρησιμοποιούνται και για την εκτίμηση μιας νέας οικογένειας μη γραμμικών ευέλικτων υποδειγμάτων για τη διακύμανση. Προτείνουμε μια νέα μέθοδο Μπεϋζιανής επιλογής υποδειγμάτων, που ενσωματώνει αρκετά επιυμητά χαρακτηριστικά, επιτρέποντας μεγαλύτερη κινητικότητα στην αλυσίδα Μαρκόβ και πιο ακριβής εκτιμήσεις της εκ των υστέρων κατανομής. Η νέα μέθοδος συγκρίνεται με διάφορες υπάρχουσες μεθόδους σε εκτεταμένες μελέτες προσομοίωσης, όπως και σε πιο πολύπλοκα προβλήματα επιλογής υποδειγμάτων γραμμικής παλινδρόμησης, με προσομοιωμένα και πραγματικά δεδομένα που περιλαμβάνουν από 300 έως 1000 μεταβλητές. Η μέθοδος παράγει ιδιαίτερα θετικά αποτελέσματα, καθώς αποδεικνύεται πιο αποτελεσματική σε σχέση με άλλους ανταγωνιστικούς αλγόριθμους στις περισσότερες των περιπτώσεων. Επιπλέο ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The purpose of this Thesis is to document an original contribution in the areas of model determination and volatility modeling. In this Thesis we focus on the development of efficient algorithms for Bayesian model determination using Markov Chain Monte Carlo (MCMC), which are also used to develop a family of nonlinear flexible models for volatility. We propose a new method for Bayesian model determination that incorporates several desirable characteristics, resulting in better mixing for the MCMC chain and more precise estimates of the posterior density. The new method is compared with various existing methods in an extensive simulation study, as well as more complex model selections problems based on linear regression, with both simulated and real data comprising of 300 to 1000 variables. The method seems to produce rather promising results, overperforming several other existing algorithms in most of the analyzed cases. Furthermore the method is applied to gene selection using logisti ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/23289
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/23289
ND
23289
Συγγραφέας
Πετραλιάς, Αθανάσιος
Ημερομηνία
2010
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Τμήμα Στατιστικής
Εξεταστική επιτροπή
Δελλαπόρτας Πέτρος
Τζαβαλής Ηλίας
Βρόντος Ιωάννης
Damien Paul
Mallick Bani
Ντζούφρας Ιωάννης
Τσιώνας Ευθύμιος
Επιστημονικό πεδίο
Κοινωνικές Επιστήμες
Άλλες Κοινωνικές Επιστήμες
Λέξεις-κλειδιά
Μπεϋζιανή; Επιλογή υποδειγμάτων; Υποδείγματα ορίων; Διακύμανση; Αλγόριθμοι; Χρονολογικές σειρές; Ισοτιμίες; Επιλογή γονίδιων
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xx, 276 σ., εικ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)