- 贝叶斯结构断点检测:把「数据什么时候变了」变成一个概率分布
因子 IC 突然塌了、波动率悄无声息地翻倍了——这些「数据在哪一步变了」的问题,朴素的两段 t 检验只能回答「变没变」,答不出「在哪一刻」。本文用贝叶斯框架把变点(changepoint)建模成随机变量,给出它的后验分布:在我们合成的两段均值+一段方差突变序列上,精确把均值断点定位在 t=121(真值 120,偏差仅 1 步),检测率上限 0.87 远超朴素 t 检验的 0.47。附完整 Python 与五类真实陷阱(高阶)。
13 min Chinese - 时变参数 TVP-VAR 模型:把「系数的关系也会变」做成可估计的量
宏观传导、因子暴露、跨资产相关,从来不是恒定常数。本文用时变参数 VAR + 卡尔曼滤波,把漂移与结构性跳跃的系数路径估计出来:在合成二维 VAR(1) 上,相对滞后半窗、抹平跳跃的滚动 OLS,系数追踪均方误差降低 87%,并展示同一冲击在不同时点的脉冲响应形状如何不同(中高阶)。
15 min Chinese
返回