MSC 62P05中最近的zbMATH文章 https://zbmath.org/atom/cc/62P05 2024-03-13T18:33:02.981707Z Werkzeug公司 马尔可夫切换分位数自回归 https://zbmath.org/1528.62045 2024-03-13T18:33:02.981707Z “刘晓春” https://zbmath.org/authors/?q=ai:liu.xiaochun 小结:本文考虑位置-尺度分位数自回归,其中位置和尺度参数受状态转移的影响。下尾翼和上尾翼的状态变化由潜在的离散状态马尔可夫过程的结果决定。新方法为非平稳时间序列分布的不同部分提供了直接的推断和估计。通过三参数非对称拉普拉斯分布,对分位数内切换状态的贝叶斯推断进行了修改,并设计用于参数估计。使用贝叶斯输出,边际似然可用于测试状态的存在性和数量。仿真研究表明,使用非对称拉普拉斯分布作为似然,对状态和条件分位数的可预测性与真实模型分布相当相似。然而,忽略自回归系数可能与分位数相关,会导致状态推断和分位数预测中的重大偏差。这一新方法的潜力在非对称动态下对美国通货膨胀和实际汇率的实证应用以及金融市场风险评估中不同频率的标准普尔500指数回报中得到了说明。{{\copyright}2016作者。国家统计局(Statistica Neerlandica){\版权}2016年VVS.} Student(t)分布下向量自回归模型的诊断分析 https://zbmath.org/1528.62046 2024-03-13T18:33:02.981707Z “刘永辉” https://zbmath.org/authors/?q=ai:liu.yonghui网址:https://zbmath.org/authors/?q=ai:liu.yonghui “桑、若晨” https://zbmath.org/authors/?q=ai:sang.ruochen “刘双哲” https://zbmath.org/authors/?q=ai:liu.shuangzhe 摘要:本文利用局部影响方法研究了Student(t)-分布下的向量自回归模型。我们给出了最大似然估计量和信息矩阵,并在三种常见扰动方案下建立了向量自回归模型的法曲率诊断,以识别可能的影响观测值。通过模拟研究检验了建议诊断的有效性,然后使用该模型进行数据分析,以拟合雪佛龙股票和标准普尔500指数的周对数回报率。{{\copyright}2016作者。国家统计局(Statistica Neerlandica){\版权}2016年VVS.} GARCH参数与实证金融数据拟合的人工智能算法 https://zbmath.org/1528.62053 2024-03-13T18:33:02.981707Z 卢克·德·克拉克 https://zbmath.org/authors/?q=ai:clerk.luke-德 “救你,谢尔盖” https://zbmath.org/authors/?q=ai:savelev.sergey-e(电子) 摘要:我们使用深度人工神经网络(ANN)估计实证金融时间序列的GARCH参数。我们开发的算法允许我们拟合金融数据平方回报的自方差,具有一定的时滞、二阶统计矩和四阶标准化矩。我们比较了ANN算法在多个时间窗口(约4000)中预测参数所需的时间,以及MatLabs内置统计和经济计量工具箱中的最大似然估计(MLE)方法所用的时间。与MLE方法的11秒相比,所开发的算法在0.1秒左右预测所有GARCH参数。此外,在预测波动率时,我们使用模型置信集分析来确定我们的参数预测算法的准确性。使用人工神经网络获得的不同证券的波动率预测的误差约为25%,而MLE方法的误差为40%。 泊松双臂土匪:一种新方法 https://zbmath.org/1528.62054 2024-03-13T18:33:02.981707Z “科尔诺戈洛夫,A.V.” https://zbmath.org/authors/?q=ai:kolnogorov.alexander-v(v) 摘要:我们考虑了一种新的方法来解决收入由泊松过程描述的连续时间双臂强盗问题。为此,首先,将控制范围划分为相等的连续半周期,在该半周期内,策略保持不变,收入按相应的半周期分批到达。为了找到最优分段常数贝叶斯策略及其相应的贝叶斯风险,推导了递推差分方程。建立了当半区间数无限增长时贝叶斯风险极限值的存在性,并导出了求其极限值的偏微分方程。其次,与之前考虑的这个问题的设置不同,我们将策略分析为受控过程的当前历史的函数,而不是后验分布的演变。这消除了先前设置中对允许参数集的有限性的要求。仿真表明,为了在实践中找到贝叶斯和极小极大策略和风险,将到达收入划分为30批就足够了。在极大极小的情况下,证明了当控制范围无限增长时,逐个到达收益的最优处理并不比最优批处理更有效。 关于两类二次变差估计的收敛性 https://zbmath.org/1528.62055 2024-03-13T18:33:02.981707Z “俞锡生” https://zbmath.org/authors/?q=ai:yu.xisheng (无摘要)