Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/87536 
Erscheinungsjahr: 
2012
Schriftenreihe/Nr.: 
Tinbergen Institute Discussion Paper No. 12-008/4
Verlag: 
Tinbergen Institute, Amsterdam and Rotterdam
Zusammenfassung: 
We show that efficient importance sampling for nonlinear non-Gaussian state space models can be implemented by computationally efficient Kalman filter and smoothing methods. The result provides some new insights but it primarily leads to a simple and fast method for efficient importance sampling. A simulation study and empirical illustration provide some evidence of the computational gains.
Schlagwörter: 
Kalman filter
Monte Carlo maximum likelihood
Simulation smoothing
JEL: 
C32
C51
Persistent Identifier der Erstveröffentlichung: 
Dokumentart: 
Working Paper
Erscheint in der Sammlung:

Datei(en):
Datei
Größe
230.09 kB





Publikationen in EconStor sind urheberrechtlich geschützt.