- 基于受控微分方程的 Hawkes 过程
采用神经控制微分方程技术提出了基于控制微分方程的 Hawkes 进程(HP-CDE)概念,成功地对不规则时间序列数据集进行了建模,并能够准确地计算对数似然。在四个真实数据集上的实验中,该方法的表现优于现有方法。
- AAAI利用最小描述长度方法推导 Hawkes 过程中的因果关系
本文提出了用 MDL 算法推导多维 Hawkes 过程网络的因果关系,同时在金融数据实验中表现出优异性能。
- KDD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。
- 交互 Hawkes 过程与乘法抑制
本研究引入了一类通用的均场相互作用非线性 Hawkes 过程,用于模拟两个神经元群体(一个兴奋性和一个抑制性)之间的相互作用。模型包括抑制和基于回馈的增量,探讨系统的确切性和长期行为分析,发现抑制和反馈的作用可能导致限制循环的出现。
- ICLR参数较差的 ε 边界闭式稳定化霍克斯过程
本文介绍了如何利用稳定化过程改进最大似然估计的性能,以更好地建模离散事件在连续时间事件流中的相互作用,从而提高传统方法在多序列数据上的表现。
- 从少量事件学习 Hawkes 过程
本文提出一种基于变分期望最大化算法的有效算法,用于解决多元 Hawkes 过程的因果交互网络学习问题,可以优化超参数并考虑模型参数的不确定性,实验结果表明在短观测序列下优于现有最先进的方法。
- IJCAI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。
- 通过边缘网络社群来解析梗的起源
本研究使用感知哈希和聚类分析技术,并以 13 个月内从 Twitter、Reddit、4chan 和 Gab 收集的 26 亿帖子和 1.6 亿张图像的数据集为基础,检测和量化了多个网络社区间的互动传播效果,揭示了网络社区间恶意并极具争议的 - 带格点重整因子的 Hawkes 过程核结构参数搜索
通过引入重整化因子,我们提供了一种解决非协调、不稳定的优化方法来最大化 Hawkes 过程相关对数似然函数的方法,并提高了一系列不同长度序列的最大似然估计方法性能。
- 从短双重截断事件序列学习霍克斯过程
提出一种基于数据合成的方法,通过对潜在候选项进行前后事件预测和拼接来综合短双重截断事件(SDC)序列,进而应用于 Hawkes 过程的数量异步事件序列分析问题的研究。实验结果表明该数据合成方法可用于改善固定和时间变化的 Hawkes 过程的 - ICML随机激励的 Hawkes 过程
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 - 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。
- 将脉冲神经元网络建模为具有可变长度记忆的交互进程
介绍一类具有无限数量相互作用组件的非马尔可夫过程,可以描述神经元网络的时间演化,有关完美模拟、存在性问题、反相关性等问题的研究成果也在文章中进行了综述。
- 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。
- 几乎不稳定 Hawkes 过程的极限定理
研究了几乎不稳定的 Hawkes 过程,发现在适当的缩放后,它们与整合 Cox-Ingersoll-Ross 模型有相似的行为,因此将金融订单流建模为几乎不稳定的 Hawkes 过程可能是重现其高低频现象的好方法。并将此结果推广到基于 Ha - Hawkes 过程的尺度极限及其在金融统计中的应用
本文使用 Hawkes 过程研究金融统计模型,通过法则与极限定理得到微观动力学模型下的精确宏观扩散极限,同时证明了 Epps 效应和提前滞后效应。