Estimation and Application of the Convergence Bounds for Nonlinear Markov Chains
非线性马尔可夫链收敛界的估计与应用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：摘要明确构造证券波动指标并应用于两只股票，因此最直接对应金融波动率方向。
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
非线性马尔可夫链收敛界的估计与应用
- 研究问题
- 如何分析由线性马尔可夫链经非线性小扰动形成的过程的遍历性和收敛速度，并将收敛界用于证券波动度量？
- 方法与思路
- 作者利用齐次马尔可夫链的耦合方法联系各时点分布与极限分布，再结合收敛界、小波分析和高斯隐马尔可夫模型构造波动指标。
- 材料陈述的贡献
- 摘要称新方法可通过耦合链的转移概率矩阵估计更精确的收敛界，并以 TSLA、AMC 展示 TV Volatility 对平方收益变化的刻画。
- 阅读关注点
- 应核对非线性扰动与遍历性条件、收敛界的比较标准，以及 TV Volatility 的定义、估计步骤和证券应用中的评价方式。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明理论条件与数值误差，不能据此确认指标的普遍优势。
原文摘要
Nonlinear Markov Chains (nMC) are regarded as the original (linear) Markov Chains with nonlinear small perturbations. It fits real-world data better, but its associated properties are difficult to describe. A new approach is proposed to analyze the ergodicity and even estimate the convergence bounds of nMC, which is more precise than existing results. In the new method, Coupling Markov about homogeneous Markov chains is applied to reconstitute the relationship between distribution at any times and the limiting distribution. The convergence bounds can be provided by the transition probability matrix of Coupling Markov. Moreover, a new volatility called TV Volatility can be calculated through the convergence bounds, wavelet analysis and Gaussian HMM. It's tested to estimate the volatility of two securities (TSLA and AMC). The results show TV Volatility can reflect the magnitude of the change of square returns in a period wonderfully.