Markov Chain Monte Carlo metody a konvergenční diagnostiky s aplikací v ekonomii

Bc. Tomáš Kvaka

Diplomová práce

Markov Chain Monte Carlo methods and covergence diagnostics with applications in economics

Anotace:

Cílem práce je popsat a analyzovat konvergenční diagnostiky vztahující se k MCMC metodám, jakými jsou Gibbsův vzorkovač a Metropolis-Hastings algoritmus. Součástí práce je také algoritmické zpracování těchto diagnostik v programovém prostředí Matlabu. Prvně otestujeme diagnostiky na simulaci vzorků z trojrozměrného normálního rozdělení s vysokou vzájemnou korelací. Pak se znalostí chování těchto metod je implementujeme na odhady parametrů modelu reálných ekonomických cyklů. Tento model je odhadnut pomocí Dynare programu.

Abstract:

The main goal of this diploma thesis is to describe and analyze convergence diagnostics which incline to MCMC methods (like Gibbs sampler and Metropolis-Hastings Algorithm). The part of this diploma thesis is also algorithmic process of these diagnostics in program ground of Matlab. At first, we have tested diagnostics methods on simulation samples from trivariate normal with high correlations. Then with the knowledge of behavior of methods we implemented them to estimate parameters of the real business cycle model. This model was estimated using the Dynare toolbox.

Klíčová slova

konvergenční diagnostiky, MCMC metody, Gibbsův vzorkovač, Metropolis-Hastings algoritmus, RBC a DSGE model, convergence diagnostics, MCMC methods, Gibbs sampler, Metropolis-Hastings algorithm, RBC and DSGE model

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 20. 5. 2008

Obhajoba závěrečné práce

• Obhajoba proběhla 10. 6. 2008
• Vedoucí: Ing. Daniel Němec, Ph.D.
• Oponent: RNDr. Marie Budíková, Dr.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Aplikovaná matematika / Matematika - ekonomie