PDFをダウンロードするにはここをクリック

Jörg Kienitzは、ガウス混合モデル（ガウスの凸組み合わせ）に基づき、実世界の尺度Pの下で合成市場データを生成する方法を提案します。一度数値的にフィッティングすれば、この方法は解析的です。特に、条件付きで高次元のケースを扱うことができ、変量のシミュレーションも容易です。この方法の結果は、主成分分析と同じように解釈できます。時系列生成、データの埋め戻し、イールドカーブやボラティリティ曲面の生成に適用することで、この手法の威力を実証します。

金融市場データの特性は、状態変数の選択によって大きく左右されます。適切な選択は、パフォーマンスと推定の安定性のトレードオフを保証し、特定のリスクを回避します。最小限の精度低下で状態変数の数を減らすことが最も重要です。このトレードオフの初期のよく知られた例が、主成分分析（PCA）の適用です