Mitigating the choice of the duration in DDMS models through a parametric link
通过参数连接缓解持续期依赖 Markov 转换模型的持续期选择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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要同时涉及 Markov 转换时间序列、预测方法和标普 500 波动率预测。
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…
通过参数连接缓解持续期依赖 Markov 转换模型的持续期选择
- 研究问题
- 持续期依赖 Markov 转换模型中的隐藏状态持续期通常需要人为选择，如何在预测目标下减轻这一超参数选择带来的困难？
- 方法与思路
- 作者提出缓解持续期选择的方法，并以两组经典应用背景的 Monte Carlo 模拟及标普 500 波动率预测评估；摘要未说明参数连接的形式。
- 材料陈述的贡献
- 摘要提出面向预测的持续期选择缓解方案，并展示模拟和金融波动率应用；未声称已经建立持续期估计或适当性检验程序。
- 阅读关注点
- 应核对参数连接如何影响状态持续期、哪些超参数仍需选择，以及预测比较的样本划分、评价指标和基准模型是否一致。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出模型公式、预测改善幅度或统计不确定性，不能判断稳定优势。
原文摘要
One of the most important hyper-parameters in duration-dependent Markov-switching (DDMS) models is the duration of the hidden states. Because there is currently no procedure for estimating this duration or testing whether a given duration is appropriate for a given data set, an ad hoc duration choice must be heuristically justified. In this paper, we propose and examine a methodology that mitigates the choice of duration in DDMS models when forecasting is the goal. Two Monte Carlo simulations, based on classical applications of DDMS models, are employed to evaluate the methodology. In addition, an empirical investigation is carried out to forecast the volatility of the S\&P 500, which showcases the capabilities of the proposed model.