恩扎·墨西拿;丹尼尔·托斯卡尼 用于场景生成的隐马尔可夫模型。 (英语) Zbl 1147.62075号 IMA J.管理。数学。 19,第4号,379-401(2008). 总结:我们考虑了建模过程顺序变化行为和意外变化的问题,这些变化可能会阻碍找到最佳近似函数。这些动力学无法直接观测到,要么是因为它们被观测噪声掩盖了,要么是由于产生它们的过程太复杂,涉及太多变量。本文使用隐马尔可夫模型(HMM)探讨了金融时间序列建模问题,该模型已被证明适用于序列数据分析,特别是金融时间序列的建模和预测。HMM本质上是数据驱动模型,它使我们能够将注意力集中在观测生成过程上,这确实是最终目标。我们的时间序列分析模型的目标是生成要包含在决策模型中的场景。因此,我们的重点不是确定最佳预测,而是捕获发电过程行为,以表征其可能的演变。 引用于三文件 MSC公司: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62P05号 统计学在精算科学和金融数学中的应用 62M20型 随机过程推断和预测 65C60个 统计中的计算问题(MSC2010) 60J99型 马尔可夫过程 关键词:模拟;桌子 软件:OptiRisk公司 PDF格式BibTeX公司 XML格式引用 \textit{E.Messina}和\textit{D.Toscani},IMA J.Manag。数学。19,第4号,379--401(2008;Zbl 1147.62075) 全文: 内政部