估计利率的相亲术语结构模型与相关的噪音
1Sino-German College, University of Shanghai for Science and Technology, Shanghai, PR China.
利率模型的卡尔曼过对使用新的测量扩展方案的相关噪声更准确. 这种方法改善了隐性因素估计,优于金融建模的传统方法.
科学领域:
- 量化金融 量化金融
- 计量经济学 计量经济学
- 信号处理 信号处理
背景情况:
- 卡尔曼过是同源术语结构模型的标准,通常假设白噪声.
- 现实世界的数据处理经常涉及相关的噪音,影响过器的准确性.
- 当相关噪声偏离白噪声假设时,现有的方法失败了.
研究的目的:
- 开发一种强大的卡尔曼过方法,用于在相关噪声下的亲缘术语结构模型.
- 为了提高金融时间序列分析中隐性因素估计的准确性.
- 在实际应用中解决传统过方法的局限性.
主要方法:
- 为亲缘术语结构模型开发了一个测量扩展方案.
- 该方案利用了卡尔曼波器的美白特性.
- 潜伏因子估计是在相关噪声的一般假设下进行的.
主要成果:
- 拟议的测量扩展方案使得准确的潜伏因子估计与相关的噪声.
- 与传统的卡尔曼过方法相比,模拟显示出更高的精度.
- 该方法有效地处理与白噪声假设的偏差.
结论:
- 测量扩展方案为亲缘术语结构模型中的卡尔曼过提供了更可靠的方法.
- 这种技术可以提高利率建模的准确性和可靠性,使用现实世界的金融数据.
- 这些发现对于先进的定量金融和风险管理应用至关重要.
更多相关视频
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
相关概念视频
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Propagation of Uncertainty from Random Error
Estimating Population Mean with Unknown Standard Deviation
William S. Gosset (1876–1937) of the...
Propagation of Uncertainty from Systematic Error
Random Error
Estimating Population Mean with Known Standard Deviation
The confidence interval estimate will have the form as follows:
(point estimate - error bound, point estimate +...
