使用同时图形动态线性模型的贝叶斯预测JSE股票回报
摘要：通过预测多元时间序列时，跨系列依赖关系对于获得准确的预测结果至关重要。同时图形动态线性模型（SGDLMs）是能够优雅地捕捉跨系列依赖关系的贝叶斯模型。本研究使用SGDLMs预测约翰内斯堡证券交易所（JSE）的一个40维股票数据的回报。SGDLM方法涉及为每个单变量时间序列构建自定义的动态线性模型（DLM）。在每个时间点，通过重要性抽样和均值场变分贝叶斯法将这些DLMs重新耦合和解耦。我们的研究结果表明，SGDLMs能够准确预测JSE的股票数据，并有效地响应市场波动。
作者：Nelson Kyakutwika and Bruce Bartlett
论文ID：2307.08665
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2023-07-18