| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文的工作 | 第13-14页 |
| 第2章 序贯蒙特卡罗方法基本理论 | 第14-23页 |
| 2.1 状态空间模型 | 第14-16页 |
| 2.1.1 线性高斯模型 | 第15-16页 |
| 2.1.2 非线性非高斯模型 | 第16页 |
| 2.2 重要性抽样 | 第16-19页 |
| 2.2.1 重要性抽样分布的选择 | 第17-18页 |
| 2.2.2 带权样本 | 第18-19页 |
| 2.3 序贯重要性抽样 | 第19页 |
| 2.4 重抽样方法 | 第19-21页 |
| 2.4.1 粒子退化与重抽样 | 第19-21页 |
| 2.4.2 常用重抽样方法 | 第21页 |
| 2.5 一个通用的序贯蒙特卡罗算法 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 带限制的重抽样算法 | 第23-39页 |
| 3.1 离散状态空间的最优重抽样方法 | 第23-26页 |
| 3.1.1 一个井深数据的隐马尔科夫模型 | 第23-24页 |
| 3.1.2 隐马尔科夫模型的序贯蒙特卡罗算法 | 第24页 |
| 3.1.3 隐马尔科夫模型的最优重抽样方法 | 第24-26页 |
| 3.2 连续非线性状态空间模型的带限制重抽样算法 | 第26-29页 |
| 3.3 数值模拟 | 第29-39页 |
| 3.3.1 一个简单的非线性滤波实例 | 第29-32页 |
| 3.3.2 一个非线性平滑处理的实例 | 第32-34页 |
| 3.3.3 方法分析 | 第34-39页 |
| 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 | 第39-46页 |
| 4.1 新古典增长模型 | 第39-40页 |
| 4.2 参数估计 | 第40-46页 |
| 第5章 结论 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 附录A | 第49-51页 |
| A.1 命题3.1的证明 | 第49-51页 |
| 致谢 | 第51页 |