資產定價模型的貝氏估計
我對金融經濟學和量化金融背景下的貝氏方法很感興趣，並且一直在尋找在資產定價模型上使用貝氏參數估計的研究，特別是多因素模型，例如 Fama-French 模型或其 Carhart 擴展。
我已經搜尋了很多，但並沒有真正找到我正在尋找的東西，因此非常感謝任何展示此特定應用程序的期刊文章或教科書的建議。
擬合 Fama-French 或 Carhart 就像學習如何執行貝氏回歸一樣簡單。幾乎每一本貝氏估計的入門書都會涉及到這一點。在某些假設下有分析公式，但在實踐中嘗試之前，我肯定會嘗試學習 MCMC 和 Gibbs 採樣的基礎知識。這裡有兩篇 論文。Rachev 等人的《金融貝氏方法》一書涵蓋了相當多的內容。一些Google搜尋顯示了明年（2015 年）出版的一本書，名為“因子資產定價模型中的貝氏推理”。
在有了一些基本的了解之後，如果您自己編寫每個 MCMC，您可能會發現實現 MCMC 有點麻煩。Stan 可以實現一個哈密頓蒙地卡羅，它需要的工作量要少得多。還有其他程序（WinBugs），但我對它們不太熟悉。
至於將這些與貝氏或常客技術相結合是否有任何好處，我的想法是分裂的。我發現貝氏統計數據更加直覺，但與頻率論技術相比，它們的速度慢得離譜。這使得回測變得更加困難，除非您擁有一些不錯的設備並花費大量時間考慮並行性。有一些問題，比如擬合隨機波動率模型，使用貝氏技術更容易解決。另一方面，對於超過 20 年的日常數據，貝氏方法仍將比其他適合 MLE 的 Garch 模型慢得多。
我建議你閱讀：
蘭開斯特，托尼。現代貝氏計量經濟學導論。牛津：布萊克威爾，2004。
我研究了它來學習貝氏回歸模型；這本書非常清晰，做得很好，它是一個很好的參考，恕我直言，對於誰是新手，但同時對這個話題很感興趣。
希望這可以幫助。