Efficient Bayesian Inference for Multiple Change-Point and Mixture Innovation Models
多重变点与混合创新模型的高效贝叶斯推断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：摘要直接研究时间序列的参数突变、断点及状态切换，并以美国通胀和实际利率为应用，对应时间序列与结构变化。
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
多重变点与混合创新模型的高效贝叶斯推断
- 研究问题
- 当时间序列参数在随机时点发生随机幅度的变化时，如何高效推断断点，并允许方差变化与其他参数变化相互独立？
- 方法与思路
- 作者以状态创新的混合分布刻画突变，讨论独立方差变化和泊松机制下的断点抽样，并提出离散潜变量的自适应 MH 采样。
- 材料陈述的贡献
- 摘要提出易实施的自适应采样算法，称美国通胀与实际利率两个模型的效率增益分别为 257% 和 341%，并讨论多类应用。
- 阅读关注点
- 阅读全文时应核对采样器的目标后验与收敛条件、自适应更新规则、断点先验，以及效率指标、比较基准和计算配置。
- 阅读边界
- 摘要未说明效率增益的指标定义、基准或计算环境；两项应用的改进不能直接推广到所有变点、状态切换或异常值模型。
原文摘要
Time series subject to parameter shifts of random magnitude and timing are commonly modeled with a change-point approach using Chib's algorithm to draw the break dates. We outline some advantages of an alternative approach in which breaks come through mixture distributions in state innovations, and for which the sampler of Gerlach, Carter, and Kohn allows reliable and efficient inference. We show how the same sampler can be used to model shifts in variance that occur independently of shifts in other parameters and how to draw the break dates efficiently when regime durations follow a Poisson process. Finally, we introduce to the time series literature the concept of adaptive Metropolis–Hastings sampling for discrete latent variable models. We develop an easily implemented adaptive algorithm that improves on the work of Gerlach et al. and promises to significantly reduce computing time in a variety of problems including mixture innovation, change-point, regime switching, and outlier detection. The efficiency gains on two models for U.S. inflation and real interest rates are 257% and 341%.