Сложные модели стохастической волатильности и прыжковой диффузии часто невозможно откалибровать классическим методом максимального правдоподобия (MLE), поскольку функция правдоподобия включает многомерные интегралы по скрытым состояниям (например, невидимым траекториям дисперсии). На помощь приходит байесовский вывод и алгоритмы Монте-Карло с марковскими цепями (Markov Chain Monte Carlo, MCMC), позволяющие извлекать параметры модели из эмпирических данных с беспрецедентной точностью.