Description

Abstract: This paper derives analytical gradients for a broad class of regime-switching models with Markovian state-transition probabilities. Such models are usually estimated by maximum likelihood methods, which require the derivatives of the likelihood function with respect to the parameter vector. These gradients are usually calculated by means of numerical techniques. The paper shows that analytical gradients considerably speed up maximum-likelihood estimation with no loss in accuracy. A sample program listing is included.

Résumé: Dans cette étude, les auteurs dérivent des gradients analytiques pour toute une catégorie de modèles à changement de régime comportant des probabilités de transition à la Markov. Ces modèles sont généralement estimés à l'aide de méthodes du maximum de vraisemblance, qui nécessitent que la fonction de vraisemblance soit dérivée par rapport au vecteur des paramètres du modèle. Les gradients sont habituellement calculés à l'aide de techniques numériques. Les auteurs montrent que l'utilisation de gradients analytiques accélère considérablement les estimations effectuées à l'aide des méthodes du maximum de vraisemblance, sans toutefois nuire à leur précision. Un imprimé du programme informatique est fourni à la fin de l'étude.

Details

PDF

Files

Statistics

from
to
Export
Download Full History