Реалистичная модель Stochastic Volatility, SV-T with Jumps

Разбираюсь с SV моделями. Большинство из них созданы для интерполяции IV Surface и реалистичность процесса цены второстепенна. Меня же интересует как раз реалистичный процесс цены. Поэтому типовые SV модели мне кажется не подойдут. Я попытался сделать такую модель близкую к реальности:

SV-T with Jumps

Фиттинг на исторических ценах с MCMC.

Примечания:

• В модели много параметров, но гиперпараметры будут зафиксированы, свободных остается 5.
• Модель использует медленную PIT трансформу в расчетах прыжка, она будет заменена быстрой аппроксимацией.
• Жесткие условия будут заменены мягкими сигмоидами.
• Я не стал использовать линейную корреляцию для ξ поскольку ξ = |ϵt| + σ z с небольшим σ должна обеспечить более сильную корреляцию, я думаю так будет лучше.

Kорреляция между (ϵ, η), ϵ — ось х. Oтсутствует в центре, сильная в хвостах, с усилением для отрицательных хвостов. Мне хотелось повторить в модели наблюдение — что большое движение в инновации прибыли, как рост так и падение, падение чуть сильнее — приводит к сильному росту волатильности.

У меня нет опыта с SV, может это усложнения не нужные и простые модели не хуже. Посмотрим...

С оценкой модели проблема — для корректного расчета out of sample likelihood нужен Particle Filter. MCMC STAN не может это посчитать, он может посчитать LOO, но это примерная оценка. Пока не понял как это сделать, самому писать код не хотелось бы.

П.С. 

Есть еще интересная модель Markov Switching Multifractal + Leverage. Судя по всему она весьма хорошо повторяет реалистичный процесс цены.