热点事件持续更新
正金融时间序列的可扩展正则化向量乘性误差模型
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv 统计学机器学习栏目发布论文，提出针对正定金融时间序列的 log-vMEM 模型。研究为该模型设计基于分层滞后结构的正则化估计方法，采用多元伽马误差分布与分块坐标下降算法，并利用 GPU 加速数值积分，以缓解对数似然计算瓶颈。研究组合三种滞后结构与四种惩罚函数，通过模拟实验检验参数恢复效果，并应用于微软（NASDAQ:MSFT）日内已实现波动率的联合动态建模。目前公开信息仅涉及该论文内容，未见后续验证或应用报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
论文提出 log-vMEM 正则化估计，用 GPU 加速并应用于微软日内已实现波动率建模。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Statistics Machine Learning正值金融时间序列的可扩展正则化向量乘法误差模型
论文为正定金融时间序列的 log-vMEM 模型提出基于分层滞后结构的正则化估计，采用多元伽马误差分布与分块坐标下降算法，并用 GPU 加速数值积分以缓解对数似然计算瓶颈。研究组合三种滞后结构与四种惩罚函数，通过模拟检验参数恢复效果，并应用于 Microsoft（NASDAQ: MSFT）日内已实现波动率的联合动态建模。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。