.png){kind=icon}
返回
Bayesian Inference for Non-synchronously Observed Diffusions\ast
.png){kind=icon}
PRE
AI
DOI：10.1137/25M175319X.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑了对在时间上观察到的双变量数据进行的贝叶斯推断问题，但观测时间是非同步的。特别是在金融领域，这种现象存在于多种应用中，例如高频交易或原油期货交易。我们采用扩散模型描述数据，并构建了一个带有未知参数先验和缺失数据潜在表示的贝叶斯模型。随后，我们考虑使用马尔可夫链蒙特卡洛（MCMC）方法对模型进行拟合。由于完整数据的似然函数难以处理，我们不得不采用时间离散化方法，而这对低频观测数据下的MCMC可能造成显著问题。在高频观测的背景下，我们提出了一种基于欧拉-玛鲁亚马时间离散化的简单粒子MCMC方法，该方法可通过多级蒙特卡洛（MLMC）进行增强。在低频观测的情境下，我们引入了一种新的连续时间后验桥接表示，以解决此情形下的MCMC问题。该表示被离散化，并使用MCMC和MLMC进行拟合。我们将该方法应用于真实和模拟数据，以验证其有效性。
Keyword:
non-synchronous data
diffusion processes
high and low frequency observations
期刊
S
IF:
1.9
论文数:
13
被引数:
0
机构
引用论文
BAYESIAN STATIC PARAMETER ESTIMATION FOR PARTIALLY OBSERVED DIFFUSIONS VIA MULTILEVEL MONTE CARLO通过多级蒙特卡洛对部分观察到的扩散进行贝叶斯静态参数估计
OAAI
OAAI分享收藏分享收藏分享收藏On inference for partially observed nonlinear diffusion models using the Metropolis-Hastings algorithm.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏ON THE EFFICIENCY OF PSEUDO-MARGINAL RANDOM WALK METROPOLIS ALGORITHMS关于伪边际随机游走METROPOLIS算法的效率ANNALS OF STATISTICSOAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容