Skip to content
Hot eventLive

正金融时间序列的可扩展正则化向量乘性误差模型

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 7
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。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. 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。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.