Methods for inference in large multiple-equation Markov-switching models
大型多方程马尔可夫切换模型的推断方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要集中于多方程马尔可夫切换模型的通用贝叶斯计算，未明确给出足以对应具体宏观或金融细分方向的研究对象。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大型多方程马尔可夫切换模型的推断方法
- 研究问题
- 大型多方程马尔可夫切换模型中，如何容纳较多状态而避免参数数量平方增长，并改善边际数据密度计算及复杂后验探索？
- 方法与思路
- 作者采用限制转移矩阵自由参数增长且保留便利后验形式的框架，提出边际数据密度计算方法，并讨论后验最大化和马尔可夫链模拟初始化。
- 材料陈述的贡献
- 摘要称方法解决高维模型的若干计算困难，解释现有方法为何不可靠，并提出应对复杂似然形状的后验优化和模拟初始化建议。
- 阅读关注点
- 应核对转移矩阵限制如何影响可表达的状态转换，边际数据密度算法的可靠性，以及初始化建议能否充分探索复杂后验。
- 阅读边界
- 仅据所给出版社摘要，尚不能判断计算成本、收敛保障或适用模型范围；摘要未说明具体限制形式、比较结果和经济应用。
原文摘要
Inference for multiple-equation Markov-chain models raises a number of difficulties that are unlikely to appear in smaller models. Our framework allows for many regimes in the transition matrix, without letting the number of free parameters grow as the square as the number of regimes, but also without losing a convenient form for the posterior distribution. Calculation of marginal data densities is difficult in these high-dimensional models. This paper gives methods to overcome these difficulties, and explains why existing methods are unreliable. It makes suggestions for maximizing posterior density and initiating MCMC simulations that provide robustness against the complex likelihood shape.