Оценка качества Stochastic Volatility модели, PSIS-LOO, Moments

Точно рассчитать out-of-sample likelihood для Stochastic Volatility модели сложно, требуется Particle Filter, MCMC не может этого сделать.

Как вариант можно использовать приближение PSIS-LOO, либо посмотреть совпадение по моментам между реальной прибылью и синтетической серией.

Судя по всему, толку от PSIS-LOO практически никакого. Ниже сравнение двух моделей А и Б, PSIS-LOO одинаковый, по моментам Б сильно лучше. elpd_mean — Expected Log Predictive Dencity / число точек.



Сравнение моментов, явно сильная разница, Б лучше. С префиксом 'r' это параметры маржинального распределения, с префиксом 'g' параметры GARCH.

Для модели А RMS-Log-Error =0.3562, для B гораздо меньше 0.149



Итого, походу моменты гораздо лучше для оценки качества модели. Моменты однозначно показывают какая модель лучше.