资本资产定价模型中的贝叶斯异常检测
Bayesian outlier detection in Capital Asset Pricing Model
摘要：
我们提出了一种新的贝叶斯优化过程中的资本资产定价模型的离群值检测。我们使用一个参数产品分割模型来稳健地估计资产的系统风险。我们假设收益服从独立的正态分布，并且我们对感兴趣的参数施加分区结构。强加在参数上的分区结构引起相应的收益聚类。我们通过一个优化程序确定的分区，最好的分离标准的意见，从非典型的。该方法的说明参考一个真实的数据集，我们还提供了一个微观经济学的解释检测到的异常值。
英文摘要：
We propose a novel Bayesian optimisation procedure for outlier detection in the Capital Asset Pricing Model. We use a parametric product partition model to robustly estimate the systematic risk of an asset. We assume that the returns follow independent normal distributions and we impose a partition structure on the parameters of interest. The partition structure imposed on the parameters induces a corresponding clustering of the returns. We identify via an optimisation procedure the partition that best separates standard observations from the atypical ones. The methodology is illustrated with reference to a real data set, for which we also provide a microeconomic interpretation of the detected outliers.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
