Bayesian Non-Parametric Inference for Lévy Measures in State-Space Models
यह शोध पत्र लीनियर स्टेट-स्पेस मॉडल्स के भीतर सबऑर्डिनेटर्स और नॉर्मल वेरिएंस-मीन प्रोसेस के लिए लेवी मेजर्स (Lévy measures) को इन्फर करने हेतु एक इंडिपेंडेंट गामा-स्केल्ड डिरिचलेट प्रोसेस का उपयोग करते हुए एक नवीन बेयसियन नॉन-पैरामीट्रिक फ्रेमवर्क प्रस्तुत करता है, जो सुलभ अनुमान (tractable inference) प्रदान करता है और सिंथेटिक एवं हाई-फ्रीक्वेंसी वित्तीय डेटा दोनों पर प्रदर्शित प्रभावशीलता प्रस्तुत करता है।