Adaptive Bayesian estimation of conditional discrete-continuous distributions with an application to stock market trading activity
Adaptive Bayesian estimation of conditional discrete-continuous distributions with an application to stock market trading activity
复制标题
条件离散连续分布的自适应贝叶斯估计及其在股票市场交易活动中的应用
DOI：
10.1016/j.jeconom.2021.11.004
复制
发表时间：
2022
影响因子：
6.3
通讯作者：
Pelenis, Justinas
中科院分区：
文献类型：
--
作者：
Norets, Andriy;Pelenis, Justinas
考虑条件离散-连续分布的贝叶斯非参数估计。我们的模型是基于混合的正态分布与协变量依赖的混合概率。我们使用连续潜变量来建模分布的离散部分。协变量的边缘分布未建模。在各向异性的光滑条件下的数据生成的条件分布和可能增加的支持点的分布的离散部分的数量，我们表明，在我们的模型中的后验合同在频率自适应最佳速率的对数因子。我们的研究结果还意味着预测分布的后验收缩率的上限时，数据遵循遍历马尔可夫过程和我们的模型是用于建模的马尔可夫过渡分布。该模型在股票市场交易活动中的应用表现良好。
We consider Bayesian nonparametric estimation of conditional discrete-continuous distributions. Our model is based on a mixture of normal distributions with covariate dependent mixing probabilities. We use continuous latent variables for modeling the discrete part of the distribution. The marginal distribution of covariates is not modeled. Under anisotropic smoothness conditions on the data generating conditional distribution and a possibly increasing number of the support points for the discrete part of the distribution, we show that the posterior in our model contracts at frequentist adaptive optimal rates up to a log factor. Our results also imply an upper bound on the posterior contraction rate for predictive distributions when the data follow an ergodic Markov process and our model is used for modeling the Markov transition distribution. The proposed model performs well in an application to stock market trading activity.
登录
查看更多内容
关于贝叶斯预测密度和后验分布的收敛速度
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Ryan Martin;Liang Hong
通讯作者：
Liang Hong
平滑和稀疏条件下离散连续分布的自适应贝叶斯估计
影响因子：
6.1
作者：
Norets, Andriy;Pelenis, Justinas
通讯作者：
Pelenis, Justinas
混合专家和层次混合专家模型中的贝叶斯推理及其应用
DOI：
--
发表时间：
1996
期刊：
影响因子：
--
作者：
Fengchun Peng
通讯作者：
Fengchun Peng
DOI：
10.1080/10618600.2017.1316280
发表时间：
2018-01-01
影响因子：
2.4
作者：
DeYoreo, Maria;Kottas, Athanasios
通讯作者：
Kottas, Athanasios
条件密度的自适应贝叶斯估计
影响因子：
0.8
作者：
Andriy Norets;D. Pati
通讯作者：
D. Pati