Maximizing Equity Market Sector Predictability in a Bayesian Time Varying Parameter Model

Johnson, Lorne D.; Sakoulis, Georgios

doi:10.2139/ssrn.396642

Cited by 2 publications

(1 citation statement)

References 28 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Les applications du filtrage optimal dans des systèmes à sauts sont multiples et touchent des domaines très variés. Citons, à titre d'exemple et de manière non exhaustive, la poursuite de cible (Arulampalam et al, 2003), le traitement de la parole (Lee et Rheem, 2000 ;Soo et al, 2012), la modélisation et le traitement de la volatilité (Carvalho et al, 2007 ;Elliot et Miao, 2006 ;Yu et Zhang, 2011), le traitement d'images (Wu et al, 2004 ;Smith et al, 2010), la modélisation de la production industrielle (Giordani et a., 2007), la propagation des épidémies (Zhou et Shumway, 2008), ou encore la modélisation et le traitement des différents phénomènes liés aux marchés (Al-Anaswah et Wilfling, 2011 ;Johnson et Sakoulis, 2008).…”

Section: Introductionunclassified

Filtrage statistique optimal rapide dans des systèmes linéaires à sauts non stationnaires

Abbassi

Derrode²,

Desbouvries

et al. 2014

Traitement du signal

View full text Add to dashboard Cite

International audienceRESUME. Nous traitons du problème de filtrage statistique optimal dans des systèmes à sauts. Nous considérons trois processus : un processus continu caché X, un processus continu observé Y, et un processus discret caché R modélisant les « sauts », qui peuvent être vus comme les changements aléatoires des paramètres régissant localement les distributions markoviennes du couple (X,Y). Nous nous intéressons à une famille récente de modèles dans laquelle il est possible de mettre en place un filtrage optimal rapide, dont la complexité est linéaire en temps. Nous étendons cette famille en introduisant un quatrième processus discret fini U permettant de modéliser les possibles non-stationnarités du triplet (X, R, Y). Nous montrons que les filtrages optimaux rapides demeurent possibles dans la famille étendue et nous illustrons leur intérêt via quelques simulations. ABSTRACT. This paper deals with optimal statistical filtering in jump systems. We consider three random sequences: a hidden real-valued process X, an observed real-valued process Y and a hidden discrete process R modeling jumps that can be interpreted as random switches in the parameters governing locally the Markovian distributions of the pairwise process (X,Y). We focus on a recent family of models in which it is possible to implement a fast optimal filtering, whose complexity is linear in time. We extend this family by introducing a fourth hidden discrete process U to model possible non-stationarity in triplet (X, R, Y). We show that fast optimal filtering remains possible in the extended family and illustrate their interest via some simulations. MOTS-CLES : Système linéaire gaussien à sauts. Filtrage optimal exact. Modèle caché conditionnellement linéaire à sauts markoviens. Modèle caché conditionnellement linéaire à sauts marginalement markoviens

show abstract