摘要翻译：
用MCMC方法对随机波动率模型进行贝叶斯推理，在抽样效率方面高度依赖于实际参数值。当潜在状态方程中波动率参数的波动率较小时，利用标准的中心参数化方法从后验中得出结论，而非中心模型对于潜在变量序列的持续性较强时，则表现出不足之处。新的辅助充分性交织方法最近被证明有助于克服这些问题的广泛类别的多级模型。在本文中，我们演示了如何将这种交织策略应用于随机波动率模型，以极大地提高所有参数和整个参数范围的采样效率。此外，这种“结合不同世界的最佳方案”的方法允许推断以前无法估计的参数星座，而不需要事先选择特定的参数化。
---
英文标题：
《Ancillarity-Sufficiency Interweaving Strategy (ASIS) for Boosting MCMC
  Estimation of Stochastic Volatility Models》
---
作者：
Gregor Kastner, Sylvia Fr\"uhwirth-Schnatter
---
最新提交年份：
2017
---
分类信息：

一级分类：Statistics        统计学
二级分类：Methodology        方法论
分类描述：Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计，调查，模型选择，多重检验，多元方法，信号和图像处理，时间序列，平滑，空间统计，生存分析，非参数和半参数方法
--
一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Statistics        统计学
二级分类：Computation        计算
分类描述：Algorithms, Simulation, Visualization
算法、模拟、可视化
--

---
英文摘要：
  Bayesian inference for stochastic volatility models using MCMC methods highly depends on actual parameter values in terms of sampling efficiency. While draws from the posterior utilizing the standard centered parameterization break down when the volatility of volatility parameter in the latent state equation is small, non-centered versions of the model show deficiencies for highly persistent latent variable series. The novel approach of ancillarity-sufficiency interweaving has recently been shown to aid in overcoming these issues for a broad class of multilevel models. In this paper, we demonstrate how such an interweaving strategy can be applied to stochastic volatility models in order to greatly improve sampling efficiency for all parameters and throughout the entire parameter range. Moreover, this method of "combining best of different worlds" allows for inference for parameter constellations that have previously been infeasible to estimate without the need to select a particular parameterization beforehand.
---
PDF链接：
https://arxiv.org/pdf/1706.05280