高次元の複雑なダイナミクスをモデル化する上でガウス過程が成功したにもかかわらず，金融時系列を記述することは未だに困難である. この問題は, 金融時系列の非ガウス性, 特に非対称性とファットテイル性に起因している. 本研究では, 非対称な非ガウス分布をカーネル法で扱うために, ガウス過程とスチューデントのt過程の代替となる一般化双極型過程(GHP)を提案する. GHPは混合ガウス過程を一般化逆ガウス分布で周辺化することで記述できる. 加えて, 本研究では予測問題に対して, 閉形式で与えられるGHPの条件付き分布を導出し, GHPのパラメータを推定するのEMアルゴリズムを提示する. 人工データと市場データに対してパラメータ推定を行った結果についても報告する.
