Список проголосовавших за комментарий "anon, приветствую, благодарю за подробное обьяснение.<br/> <br/> ЦЕЛЬ:<br/> <br/> — Визуально похоже на VIX или другие меры волатильности RV, |r| и т.п. У них очень характерный вид — кластеры, резкий рост волатильности и асимметричный медленный спад. Тест — визуальная оценка графикя. <br/> — Маржинальное распределение log r должно быть боль менее похоже на TDist. Это сложно сделать, поскольку волатильность должна быть нужно regular varying, просто прыжки могут не дать этого. Это не очень критично, но было бы хорошо иметь. Тест сравнение распределения симуляции с TDist, например, QQ plot. <br/> — Маржинальное распределение должно иметь экспоненту тяжелых хвостов болье менеее близкую к тому что на реальных данных. <br/> — Автокорреляция |r| должна быть боль менее похожа на реальную.<br/> <br/> СЛОЖНОСТИ:<br/> <br/> — Симуляция прыжка добавляет 2-3 параметров в модель (особенно если с <br/> self-esciting). И что гораздо хуже, они подбираютсяна экстримальных режимах, которых в реальных данных очень мало. Т.е. что там за параметры подберуться после фиттинга, непонятно. И какие они должны быть, чтоб задать вручную — тоже не очень понятно. Я таки думаю в полу ручном режимеболь менее что то разумное подобрать и зафиксировать в узких пределах. <br/> — MCMC фиттинг оч медленный, фиттинг 3-10к точек данных занимает 15-1ч, сильно тормозит прогресс.<br/> <br/> СЛОЖНОСТЬ КОЛМОГОРОВА:<br/> <br/> Да, хорошая идея, я знал про него но больше как некую абстрактную концепцию, мало применемую на практике. Связь с BIC/AIC интересна, я все собираюсь почитать что нить по теории информации и т.п., но все никак не осилю.<br/> <br/> Я пока на этапе когда SV модели не проходя базовую проверку на визуальное сходство с реальными данными. До BIC/AIC еще не дошел.<br/> <br/> И, правдоподобие для SV модели — его же не посчитать просто так. MCMC фиттинг это сглаживание (с заглядыванием в будущее, весь интервал 1-T). А правдоподобие требует фильтрации (без заглядывания в будущее, только 1-t). <br/> <br/> MCMC что я использую STAN этого неделает. Нужен Particle Filter что вообще отдельная тема. Поэтому про оценку моделей — пока что чисто интуитивно и умозрительно. Есть примерная оценка PSIS-LOO, она вроде достатоно точна для оценки «в среднем» но я не очень понимаюнасколько она хороша для экстремальных режимов.<br/> <br/> Вобщем, пока что оценка модели: понятная структура с минимумом параметров + интуитивная визуальная оценка + посмотреть что она генерит совпадает по моментам с реальными данными + PSIS-LOO."