事件时间缺失或含噪时Hawkes过程的ABC学习
应用统计
2021-06-03 v3
摘要
自激Hawkes过程被广泛用于建模突发式事件。然而,许多真实世界数据集包含缺失事件和/或含噪观测的事件时间,我们称之为数据失真。此类失真的存在会严重偏置Hawkes过程参数的学习。为规避此问题,我们提出对失真函数进行显式建模。这导致一个似然函数难以处理的模型,使得标准参数估计技术难以部署。为此,我们开发了ABC-Hawkes算法,这是一种基于近似贝叶斯计算(ABC)与马尔可夫链蒙特卡罗的新型估计方法。该算法使得在常规方法产生显著偏置或不适用的情况下仍能学习Hawkes过程的参数。所提方法在真实与模拟数据上均表现出良好性能。
引用
@article{arxiv.2006.09015,
title = {ABC Learning of Hawkes Processes with Missing or Noisy Event Times},
author = {Isabella Deutsch and Gordon J. Ross},
journal= {arXiv preprint arXiv:2006.09015},
year = {2021}
}
备注
Added comparison to literature