Simulation of Multivariate Diffusion Bridges
多元扩散桥的模拟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：摘要研究一般随机微分方程的扩散桥模拟，未指定金融应用或所列时间序列模型，分类证据不足。
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…
多元扩散桥的模拟
- 研究问题
- 如何有效模拟多元扩散桥，以支持随机微分方程的模拟似然与贝叶斯推断，尤其处理较长时间区间的路径？
- 方法与思路
- 作者借助经典耦合方法生成近似扩散桥，再将其作为易实现的 MCMC 提议，得到除离散化误差外的精确桥模拟。
- 材料陈述的贡献
- 摘要称方法将一维方案推广至多元，计算复杂度随区间长度线性增长，并以模拟及多元双曲扩散模型估计展示用途。
- 阅读关注点
- 应核对扩散过程适用条件、近似桥与 MCMC 校正步骤，以及离散化误差、区间长度和计算成本之间的关系。
- 阅读边界
- 仅据所给 Crossref 摘要；所谓精确模拟仍保留离散化误差，摘要未说明误差大小、完整适用条件或相对比较的数值细节。
原文摘要
Summary We propose simple methods for multivariate diffusion bridge simulation, which plays a fundamental role in simulation-based likelihood and Bayesian inference for stochastic differential equations. By a novel application of classical coupling methods, the new approach generalizes a previously proposed simulation method for one-dimensional bridges to the multivariate setting. First a method of simulating approximate, but often very accurate, diffusion bridges is proposed. These approximate bridges are used as proposals for easily implementable Markov chain Monte Carlo algorithms that, apart from a small discretization error, produce exact diffusion bridges. The new method is more generally applicable than previous methods. Another advantage is that the new method works well for diffusion bridges in long intervals because the computational complexity of the method is linear in the length of the interval. In a simulation study the new method performs well, and its usefulness is illustrated by an application to Bayesian estimation for the multivariate hyperbolic diffusion model.