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

Vietnamese

Mô hình đa yếu tố chuyển chế được sử dụng rộng rãi trong tài chính định lượng, nhưng lọc không tự xác định khi nào một tác nhân nên hành động đối với những thay đổi chế độ suy luận. Chúng tôi xây dựng mô hình phát hiện chế độ trực tuyến với các yếu tố tiềm ẩn và các chế độ ẩn như một vấn đề quyết định của Bayesian cân bằng các báo động sai, sự chậm trễ phát hiện và phân loại sai. Vì xác suất chế độ sau thường không phải là Markov, vấn đề được thể hiện như là một vấn đề dừng tối ưu được đo lường và gần gũi bằng cách sử dụng lọc hạt với lập trình năng động Monte Carlo. Mô hình Heston một điểm chuyển đổi cung cấp một tiêu chuẩn. Với sự thay đổi quan sát, vấn đề giảm xuống một vấn đề biên giới tự do Markov hai chiều, trong khi các quyết định chậm trễ theo biến thể được dựa trên

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