衍生工具投资组合建模的高斯过程回归

高效的XVA管理：使用贸易水平回归和全球条件进行定价、对冲和归因。技术报告。Liu，M.和J.Staum（2010年）。用于有效嵌套模拟预期短缺的随机克里格法。《风险杂志》12（3），3–27。Longstaff，F.A.和E.S.Schwartz（2001年）。通过模拟评估美式期权：一种简单的最小二乘法。金融研究回顾14（1），113–147。Ludkovski，M.（2018）。百慕大期权定价的克里格元模型和实验设计。《计算金融杂志》22（1），37–77。Ludkovski，M.和R.Gramacy（2015年）。最优停车问题的顺序设计。暹罗金融数学杂志6（1），748–775。Ludkovski，M.和J.Risk（2018年）。用于投资组合尾部风险度量的序列设计和空间建模。论文，arXiv。组织。MacKay，D.J.（1998年）。高斯过程简介。在C.M.Bishop（Ed.），神经网络和机器学习。Springer Verlag。Melkumyan，A.和F.Ramos（2011年）。多核高斯过程。在《第二十二届国际艺术情报联席会议论文集-第二卷》，IJCAI\'11，第1408-1413页。AAAI出版社。Michelli，C.A.、Y.Xu和H.Zhang（2006年12月）。通用内核。J、 马赫数。学第7号决议，2651-2667。Murphy，K.（2012）。机器学习：概率视角。麻省理工学院出版社。Neal，R.M.（1996）。神经网络贝叶斯学习，课堂讲稿《不稳定性》第118卷。斯普林格。Pillonetto、G.、F.Dinuzzo和G.D.Nicolao（2010年2月）。高斯过程的贝叶斯在线多任务学习。IEEE模式分析和机器智能交易32（2），193–205。Pleiss，G.、J.R.Gardner、K.Q.Weinberger和A.G.Wilson（2018）。高斯过程的常数时间预测分布。更正abs/1803.06058。Rasmussen，C.E.和Z.Ghahramani（2001年）。奥卡姆剃刀。

《神经外毒素信息处理系统的进展》13，第294-300页。麻省理工学院出版社。Rasmussen，C.E.和C.K.I.Williams（2006年）。机器学习的高斯过程。麻省理工学院出版社。Roberts，S.、M.Osborne、M.Ebden、S.Reece、N.Gibson和S.Aigrain（2013年）。时间序列建模的高斯过程。伦敦皇家学会哲学学报A：数学、物理和工程科学371（1984）。萨维茨基、T.、M.Vannucci和N.Sha（2011年2月）。非参数高斯过程先验变量选择：模型和计算策略。统计学家。Sci。26 (1), 130–149.Scholkopf，B.和A.J.Smola（2001年）。核学习：支持向量机、正则化、优化等。美国马萨诸塞州剑桥：麻省理工学院出版社。Spiegeleer、J.D.、D.B.Madan、S.Reyners和W.Schoutens（2018年）。定量金融的机器学习：快速衍生品定价、对冲和融资。QuantitativeFinance 18（10），1635–1643年。Whittle，P.和T.J.Sargent（1983年）。线性最小二乘法预测和调节（NED-新版版）。明尼苏达大学出版社。