声明
摘要
第1章 绪论
1.1 研究背景
1.2 研究现状
1.3 本文的工作
第2章 序贯蒙特卡罗方法基本理论
2.1 状态空间模型
2.1.1 线性高斯模型
2.1.2 非线性非高斯模型
2.2 重要性抽样
2.2.1 重要性抽样分布的选择
2.2.2 带权样本
2.3 序贯重要性抽样
2.4 重抽样方法
2.4.1 粒子退化与重抽样
2.4.2 常用重抽样方法
2.5 一个通用的序贯蒙特卡罗算法
2.6 本章小结
第3章 带限制的重抽样算法
3.1 离散状态空间的最优重抽样方法
3.1.1 一个井深数据的隐马尔科夫模型
3.1.2 隐马尔科夫模型的序贯蒙特卡罗算法
3.1.3 隐马尔科夫模型的最优重抽样方法
3.2 连续非线性状态空间模型的带限制重抽样算法
3.3 数值模拟
3.3.1 一个简单的非线性滤波实例
3.3.2 一个非线性平滑处理的实例
3.3.3 方法分析
第4章 序贯蒙特卡罗方法在动态随机一般均衡(DSGE)模型中的应用
4.1 新古典增长模型
4.2 参数估计
第5章 结论
参考文献
附录A
A.1 命题3.1的证明
致谢