Stick-breaking autoregressive processes
折棍自回归过程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：摘要研究时间序列非参数先验，并明确构建金融收益的半参数随机波动模型。
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
折棍自回归过程
- 研究问题
- 如何为时间序列构造随时间变化的贝叶斯非参数先验，同时保持一般折棍边际形式，并开展可实施的后验推断？
- 方法与思路
- 作者递归构造折棍过程，研究 Poisson–Dirichlet 与 Dirichlet 边际，开发条件 MCMC 和特定情形下的边际 MCMC。
- 材料陈述的贡献
- 摘要称论文给出广泛子类的推断方法及广义 Pólya 罐表示，并展示时变收益分布随机波动模型与地区 GDP 应用。
- 阅读关注点
- 应核对递归结构如何产生时间依赖、参数序列非递减限制的作用，以及条件与边际 MCMC 的适用范围和实现细节。
- 阅读边界
- 仅依据所给出版社摘要；依赖性质、计算收敛和应用数值未说明，金融与 GDP 示例本身不能证明预测表现优越。
原文摘要
This paper considers the problem of defining a time-dependent nonparametric prior for use in Bayesian nonparametric modelling of time series. A recursive construction allows the definition of priors whose marginals have a general stick-breaking form. The processes with Poisson-Dirichlet and Dirichlet process marginals are investigated in some detail. We develop a general conditional Markov Chain Monte Carlo (MCMC) method for inference in the wide subclass of these models where the parameters of the marginal stick-breaking process are nondecreasing sequences. We derive a generalised Pólya urn scheme type representation of the Dirichlet process construction, which allows us to develop a marginal MCMC method for this case. We apply the proposed methods to financial data to develop a semi-parametric stochastic volatility model with a time-varying nonparametric returns distribution. Finally, we present two examples concerning the analysis of regional GDP and its growth.