Newest papers

Regime Detection in Latent Factor Models -- A Bayesian Decision-Theoretic Approach

Karl Kristian Engelund · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.20366 · cited by 0 works (OpenAlex) · open-access PDF

Arabic

وتستخدم نموذجاً متعدداً في التمويل الكمي، ولكن التخزين لا يحدد بنفسه عندما ينبغي أن يتعامل المركزي مع تغييرات النظام المسبقة. نحن نستند إلى اكتشاف النظام عبر الإنترنت مع العوامل المفتوحة والسياسات المفتوحة كمشكلة قرارية بويزية توازن الإشارات الخاطئة، التوقف في اكتشاف وتصنيف الخطأ. لأن احتمالات النظام السريع عادة ما تكون غير ماركوفية، فإن المشكلة تمثل مشكلة التوقف المثالي التي تم تقييمها وتقييمها باستخدام التخزين الكمي مع برنامج مونت كارلو الدماغي. يوفر نموذج هستون نقطة تغيير واحد نقطة موازنة. مع التغيرات الملاحظة، يتم تقليل المشكلة إلى مشكلة ح

Machine translation (Meta M2M100); the English original follows.

Abstract

Regime-switching multi-factor models are widely used in quantitative finance, but filtering does not by itself determine when an agent should act on inferred regime changes. We formulate online regime detection with latent factors and hidden regimes as a Bayesian decision problem balancing false alarms, detection delay, and misclassification. Since posterior regime probabilities are generally non-Markovian, the problem is represented as a measure-valued optimal stopping problem and approximated using particle filtering with Monte Carlo dynamic programming. A single-change-point Heston model provides a benchmark. With observed variance, the problem reduces to a two-dimensional Markov free-boundary problem, while under latent variance decisions are based on the filtered posterior measure. Numerical experiments in Heston and regime-switching Vasicek models show that the latent-information procedure can outperform feasible plug-in rules.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Particle filter, Bayesian probability, Markov chain Monte Carlo, Monte Carlo method, Variance (accounting), Computer science

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange