Dynamic Chain Graph Models for Financial Time Series Networks: a Bayesian approach (2024)
Miranda Neto, Milton 
; Louzada, Francisco (Orientador)
Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, MÉTODOS PROBABILÍSTICOS, INFERÊNCIA BAYESIANA, ESTATÍSTICA, MODELOS PARA PROCESSOS ESTOCÁSTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MIRANDA NETO, Milton. Dynamic Chain Graph Models for Financial Time Series Networks: a Bayesian approach. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23092024-104613/. Acesso em: 08 nov. 2025.APA
Miranda Neto, M. (2024). Dynamic Chain Graph Models for Financial Time Series Networks: a Bayesian approach (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23092024-104613/NLM
Miranda Neto M. Dynamic Chain Graph Models for Financial Time Series Networks: a Bayesian approach [Internet]. 2024 ;[citado 2025 nov. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23092024-104613/Vancouver
Miranda Neto M. Dynamic Chain Graph Models for Financial Time Series Networks: a Bayesian approach [Internet]. 2024 ;[citado 2025 nov. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23092024-104613/
