交易数据和标记点流程的新时间序列模型-研究论文

我们为双变量/多变量交易数据提出了一个新的时间序列模型，该模型通过直接将当前观察的条件分布建模为给定过去的p-lags信息的条件分布的混合，从而对它们的联合过渡动力学进行建模。 混合物中的每个联合多元条件分布都是通过某一类Copula构造的。 这样的模型可以成功地捕获一些杰出的非线性非高斯时间序列特征，例如在交易数据集和其他更通用的标记点过程中广泛观察到的不规则突发或跳跃。 我们通过对三个IBM股票交易数据建模来说明新的时间序列模型和相关方法，并展示其相对于某些基准模型的优势。