多维标记霍克斯过程的非参数估计
原文中文，约300字，阅读约需1分钟。发表于：。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。
本文介绍了一种对Hawkes过程的扩展，通过将自激励水平视为随机微分方程，可以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。文章提出了一种算法来模拟具有随机激发水平的Hawkes过程，并提出了混合马尔可夫链蒙特卡罗方法来拟合模型。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。
