We explore the issue of estimating

We explore the issue of estimating a simple agent-based model of price formation in an asset market using the approach of Alfarano et al. (2008) as an example. Since we are able to derive various moment conditions for this model, we can apply generalized method of moments (GMM) estimation. We find that we can get relatively accurate parameter estimates with an appropriate design of the GMM estimator that reduces the biases arising from strong correlations of the estimates of certain parameters. We apply our estimator to a sample of long records of returns of various stock and foreign exchange markets as well as the price of gold. Using the estimated parameters to form the best linear forecasts for future volatility we find that the behavioral model generates sensible forecasts that get close to those of a standard GARCH(1,1) model in their overall performance, and often provide useful information on top of the information incorporated in the GARCH forecasts.

Kết quả (Việt) 1:

Chúng tôi khám phá các vấn đề của ước lượng một mô hình giá hình thành trong một thị trường tài sản bằng cách sử dụng phương pháp tiếp cận của Alfarano et al. (năm 2008) là một ví dụ đại lý dựa trên đơn giản. Kể từ khi chúng tôi có thể lấy được điều kiện thời điểm khác nhau cho mô hình này, chúng tôi có thể áp dụng các phương pháp tổng quát của những khoảnh khắc (GMM) dự toán. Chúng tôi thấy rằng chúng tôi có thể nhận được số ước lượng các tham số tương đối chính xác với một thiết kế thích hợp của ước tính GMM giảm biases nảy sinh từ mối tương quan mạnh mẽ của các ước lượng của tham số nhất định. Chúng tôi áp dụng công cụ ước tính của chúng tôi đến một mẫu của long hồ sơ trả về thị trường chứng khoán và ngoại hối khác nhau cũng như giá của vàng. Bằng cách sử dụng các thông số ước tính để tạo thành các tốt nhất tuyến tính dự báo cho biến động trong tương lai chúng tôi tìm thấy các mô hình hành vi tạo ra các dự báo hợp lý là nhận được gần với những người của một mô hình GARCH(1,1) tiêu chuẩn trong hiệu suất tổng thể của họ, và thường cung cấp các thông tin hữu ích trên đầu trang của các thông tin tích hợp vào trong dự báo GARCH.

Kết quả (Việt) 2:

Chúng tôi khám phá những vấn đề ước lượng một mô hình đại lý đơn giản dựa trên sự hình thành giá cả trong thị trường tài sản bằng cách sử dụng phương pháp tiếp cận của Alfarano et al. (2008) là một ví dụ. Kể từ khi chúng tôi có thể lấy được các điều kiện thời điểm khác nhau cho mô hình này, chúng ta có thể áp dụng GMM (GMM) dự toán. Chúng tôi thấy rằng chúng ta có thể có được ước lượng tham số tương đối chính xác với một thiết kế thích hợp của các ước lượng GMM làm giảm thành kiến ​​phát sinh từ mối tương quan mạnh mẽ của các ước tính của một số thông số. Chúng tôi áp dụng ước lượng của chúng tôi với một mẫu hồ sơ dài của lợi nhuận của nhiều thị trường chứng khoán và ngoại hối cũng như giá vàng. Sử dụng các thông số ước tính để tạo thành các dự báo tuyến tính tốt nhất cho biến động trong tương lai, chúng tôi thấy rằng các mô hình hành vi ra các dự báo hợp lý được nhận được gần với những người của một (1,1) mô hình trong hiệu suất tổng thể của họ GARCH tiêu chuẩn, và thường xuyên cung cấp thông tin hữu ích về đầu các thông tin đưa vào dự báo GARCH.