• Journal of the Korean Statistical Society
• /
• 제34권4호
• /
• pp.311-329
• /
• 2005

Skewed t distributions have attracted significant attention in the last few years. In this paper, a generalization - referred to as the skewed generalized t distribution - with the pdf f(x) = 2g(x)G(${\lambda}x$) is introduced, where g(${\cdot}$) and G (${\cdot}$) are taken, respectively, to be the pdf and the cdf of the generalized t distribution due to McDonald and Newey (1984, 1988). Several particular cases of this distribution are identified and various representations for its moments derived. An application is provided to rainfall data from Orlando, Florida.

• 응용통계연구
• /
• 제30권5호
• /
• pp.775-791
• /
• 2017

이진 데이터는 일상 생활에서 자주 접할 수 있는 데이터이다. 이진 데이터를 회귀 분석하는 방법으로 로지스틱(Logistic), 프로빗(Probit), Cauchit, Complementary log-log 모형이 주로 쓰이는데, 이 방법 이외에도 Liu(2004)가 제시한 t 분포를 이용한 로빗(Robit) 모형, Kim 등 (2008)에서 제시한 일반화 t-link 모형을 이용한 방법 등이 있다. 유연한 분포를 이용하면 유연한 회귀 모형이 가능해지는 점에 착안하여, 이 논문에서는 Theodossiou(1998)에서 제시된 기운 일반화 t 분포 (Skewed Generalized t Distribution)의 이용하여 우도 함수를 최대로 하는 이진 데이터 회귀 모형을 소개한다. 기운 일반화 t 분포를 R glm 함수, R sgt 패키지를 연결하여 이 논문에서 제시한 방법을 R로 분석할 수 있는 방법을 소개하고, 피마 인디언(Pima Indian) 데이터를 분석한다.

• Communications for Statistical Applications and Methods
• /
• 제24권5호
• /
• pp.507-518
• /
• 2017

Volatility plays a crucial role in theory and applications of asset pricing, optimal portfolio allocation, and risk management. This paper proposes a combined model of autoregressive moving average (ARFIMA), generalized autoregressive conditional heteroscedasticity (GRACH), and skewed-t error distribution to accommodate important features of volatility data; long memory, heteroscedasticity, and asymmetric error distribution. A fully Bayesian approach is proposed to estimate the parameters of the model simultaneously, which yields parameter estimates satisfying necessary constraints in the model. The approach can be easily implemented using a free and user-friendly software JAGS to generate Markov chain Monte Carlo samples from the joint posterior distribution of the parameters. The method is illustrated by using a daily volatility index from Chicago Board Options Exchange (CBOE). JAGS codes for model specification is provided in the Appendix.