Bayesian Inference for Stable Distributions
稳定分布的贝叶斯推断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：摘要仅讨论稳定分布的通用参数推断，未给出金融尾部风险、波动率或资产收益应用。
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…
关注这篇论文的作者
稳定分布的贝叶斯推断
- 研究问题
- 稳定分布的密度表达与计算困难如何影响参数估计，能否借助特定数学表示开展贝叶斯后验模拟？
- 方法与思路
- 作者利用涉及稳定密度的一种数学表示，通过 Markov chain Monte Carlo 从稳定分布参数的后验分布中抽样。
- 材料陈述的贡献
- 摘要提出以 MCMC 实现稳定分布参数的贝叶斯推断，为此前相关估计与贝叶斯研究较少的问题提供计算途径。
- 阅读关注点
- 应核对所用数学表示、参数化与先验、后验抽样步骤和诊断，并查明摘要关于密度困难的表述究竟指什么。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；密度困难的表述需核对原文，不能理解为稳定分布一概没有密度，也不能推断刊本变化。
原文摘要
Very little work on stable distribution parameter estimation and inference appears in the literature due to the nonexistence of the probability density function. This has led in particular to a dearth of Bayesian work in this area. But Bayesian computation via Markov chain Monte Carlo allows us to sample from the distribution of the parameters of the stable distributions, by exploiting a particular mathematical representation involving the stable density.