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

French

Les modèles multi-facteurs de commutation de régime sont largement utilisés dans la finance quantitative, mais le filtrage ne détermine pas par lui-même quand un agent devrait agir sur les changements de régime déduits. Nous formulons la détection de régime en ligne avec des facteurs latents et des régimes cachés comme un problème de décision bayésien équilibrant les fausses alarmes, le retard de détection et la mauvaise classification. Comme les probabilités du régime postérieur sont généralement non-Markoviennes, le problème est représenté comme un problème d'arrêt optimal mesuré et approximatif en utilisant le filtrage des particules avec la programmation dynamique de Monte Carlo. Un modèle Heston à un point unique fournit un critère de référence. Avec la variance observ

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