ICMLSep, 2016

随机激励的 Hawkes 过程

PDF
TL;DR通过将自激励水平视为随机微分方程，我们提出了对 Hawkes 过程的扩展，该新点过程允许更好地逼近事件和强度相互加速且传染性相关水平的应用领域。我们推广了一种最近用于模拟具有随机激发水平的 Hawkes 过程的算法，并提出了混合马尔可夫链蒙特卡罗方法来拟合模型。我们的采样过程与所需事件的数量呈线性比例，并且不需要点过程的平稳性。我们提出了一种由 Gibbs 和 Metropolis Hastings 步骤组合而成的模块化推断过程。我们将期望最大化作为特例。这种一般方法是通过几何布朗运动和指数朗之万动力学的传染研究进行了说明。
发现论文，激发创造
  • Hawkes 过程

    该文综述了 Hawkes 进程在金融分析等领域的应用，介绍了该过程的定义、特点及历史发展，并涵盖了其主要方面。

    Jul, 2015

  • 社交媒体事件的 Hawkes 过程教程

    本章介绍了点过程、特别是霍克斯过程，用于对连续时间上的离散、相互依赖的事件进行建模。我们介绍了霍克斯过程及其事件强度函数、事件模拟和参数估计方案，并描述了一个基于社交媒体数据的实际例子。我们提出了内存核的设计方法，以及如何估计参数和预测流行度的结果。代码和示例事件数据作为在线附录提供。

    Aug, 2017

  • 对话事件序列的自激点过程建模

    研究了 Hawkes 过程对生成突发事件序列的基础属性，然后将该模型适用于日本公司办公室中的对话序列数据，估计了个体之间自己兴奋、基础事件率和它的时间衰减的相对大小。同时指出该模型的重要局限性在于无法独立调节事件间隔的相关性和突发性。

    May, 2012

  • 神经霍克斯过程：一种神经自调节的多元点过程

    使用神经网络中的 LSTM 模型通过多维点过程建模离散事件流，可实现事件预测，包括缺失数据情况下的预测。

    Dec, 2016

  • 基于 Hawkes 过程的狄利克雷混合模型用于事件序列聚类

    本研究提出了一种有效的基于 Hawkes 过程的 Dirichlet 混合模型方法来解决事件序列聚类问题，并通过 EM 算法的内外迭代进行分析和学习，演示了该方法的优越性和稳健性。

    Jan, 2017

  • 高效非参数贝叶斯 Hawkes 过程

    本文提出了一种高效的 Hawkes 过程核函数的非参数贝叶斯估计方法，通过两种算法实现了灵活的 Hawkes 触发核推断，并在 Twitter 扩散数据集上取得了理论和实证结果上的优越性。

    Oct, 2018

  • 应用动态霍克斯过程探索扩散过程背后时变社群状态

    本文提出了一种名为动态 Hawkes 过程（DHP）的方法，它能够捕捉事件扩散背后的社区状态演化规律，并基于演化规律预测事件的发生。与其他五种采用的事件预测方法相比，DHP 的实验表现更加优异。

    May, 2021

  • 金融中的 Hawkes 过程

    本文回顾了 Hawkes 过程在高频金融领域的应用和应用范围，以其高灵活性和适用性被成功地应用于多个问题，如交易数据波动率估计、市场稳定性估计、系统性风险传染、最优执行策略设计以及完整订单簿的动态捕捉。

    Feb, 2015

  • 多维标记霍克斯过程的非参数估计

    本文提出了一种用于估计带有标记的 Hawkes 过程的条件强度的非参数方法，并引入了两个不同的模型：用于具有兴奋核的 Hawkes 过程的浅层神经 Hawkes 模型和用于非线性 Hawkes 过程的神经网络模型。通过在合成数据集和加密货币订单簿数据上进行验证，证明了该方法的有效性和适用性。

    Feb, 2024

  • 弹性参数推断空时霍克斯过程

    发展一种快速灵活的参数推理技术，以恢复涉及空间 - 时间 Hawkes 过程的强度函数中的内核函数的参数。

    Jun, 2024