×
普雷斯顿，S.P。;Andrew T.A.伍德。

用鞍点方法逼近随机微分方程的转移密度，并将其应用于小时间Ito-Taylor样本路径展开。 （英语） Zbl 1322.62214号

统计计算。 22，第1期，205-217（2012）.
摘要：基于似然法的随机微分方程（SDE）模型参数推断具有挑战性，因为对于大多数SDE来说，转移密度是未知的。我们提出了一种估计跃迁密度的方法，包括将样本路径展开为伊藤泰勒级数，计算伊藤泰勒展开中保留项的矩母函数，然后使用鞍点近似。我们基于小时间展开与其他两种类似方法进行了数值比较，并讨论了我们的新方法相对于其他方法的优缺点。

引用于5文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
60 H10型 随机常微分方程（随机分析方面）

关键词：

伊藤-泰勒展开;鞍点近似;随机微分方程;过渡密度
PDF格式BibTeX公司 XML格式引用
\textit{S.P.Preston}和\textit{A.T.A.Wood}，统计计算。22，第1号，205--217（2012；Zbl 1322.62214）
全文： 内政部

参考文献：

[1] 阿伊特·萨哈利亚，Y.：利率和其他非线性扩散的转移密度。《金融杂志》54，1361–1395（1999）·doi:10.1111/0022-1082.00149
[2] 阿伊特·萨哈利亚，Y.：离散采样扩散的最大似然估计：封闭式近似方法。《计量经济学》70、223–262（2002）·兹比尔1104.62323 ·数字对象标识代码：10.1111/1468-0262.00274
[3] 阿伊特·萨哈利亚，Y.：多元扩散的闭式似然展开。Ann.Stat.36，906–937（2008年）·Zbl 1246.62180号 ·doi:10.1214/00905360000000622
[4] Aít-Sahalia，Y.，Yu，J.：连续时间Markov过程的鞍点近似。J.经济。134, 507–551 (2006) ·Zbl 1418.62286号 ·doi:10.1016/j.jeconom.2005.07.004
[5] Beskos，A.，Papaspiliopoulos，O.，Roberts，G.O.，Fearnhead，P.：离散观测扩散过程的精确且计算效率高的似然估计（含讨论）。J.R.Stat.Soc.B 68，333–382（2006）·Zbl 1100.62079号 ·doi:10.1111/j.1467-9868.2006.00552.x
[6] Butler，R.W.：鞍点近似及其应用。剑桥大学出版社，剑桥（2007）·Zbl 1183.62001号
[7] Daniels，H.E.：统计学中的鞍点近似法。安。数学。Stat.25，631–650（1954年）·Zbl 0058.35404号 ·doi:10.1214/aoms/1177728652
[8] Dacunha-Castelle，D.，Florens-Zmirou，D.：从离散观测值估算扩散系数。随机19，263–284（1986）·Zbl 0626.62085号 ·doi:10.1080/17442508608833428
[9] Durham，G.B.，Gallant，A.R.：连续时间扩散过程最大似然估计的数值技术。J.总线。经济。《统计》第20卷，第297–338页（2002年）·doi:10.1198/073500102288618397
[10] Florens-Zmirou，D.：扩散过程统计的近似离散时间方案。统计数字21547–557（1989年）·Zbl 0704.62072号 ·网址：10.1080/02331888908802205
[11] Kessler，M.：从离散观测值估计遍历扩散。扫描。《美国联邦法律大全》第24卷，第211-229页（1997年）·Zbl 0879.60058号 ·doi:10.1111/1467-9469.00059
[12] Kloeden，P.，Platen，E.：随机微分方程的数值解。柏林施普林格出版社（1992年）·Zbl 0752.60043号
[13] Lindström，E.：使用近似最大似然法估计扩散过程中的参数。安·Oper。第151269–288号决议（2007年）·Zbl 1136.62366号 ·文件编号：10.1007/s10479-006-0126-4
[14] Pedersen，A.R.：基于离散观测的随机微分方程最大似然估计的新方法。扫描。《美国联邦法律大全》第22卷，第55–71页（1995年）·Zbl 0827.62087号
[15] Pennisi，L.L.：《复变量元素》，第2版。霍尔特、莱因哈特和温斯顿，纽约（1976年）·Zbl 0394.30001号
[16] Prakasa-Rao，B.L.S.：扩散过程非线性最小二乘估计的渐近理论。数学。针对ch的操作。统计序列。《统计》第14卷，195-2009年（1983年）·兹比尔0532.62060
[17] Prakasa-Rao，B.L.S.：随机过程抽样数据的统计推断。康斯坦普。数学。80, 249–284 (1988) ·Zbl 0687.62069号 ·doi:10.1090/conm/080/999016
[18] Shepp，L.A.：关于钉扎Wiener过程绝对值的积分。安·普罗巴伯。10, 234–239 (1982) ·Zbl 0479.60079号 ·doi:10.1214/aop/1176993926
[19] Shoji，I.，Ozaki，T.：用局部线性化方法估计非线性随机微分方程。斯托克。分析。申请。16, 733–752 (1998) ·Zbl 0912.60078号 ·doi:10.1080/0736299908809559
[20] Stramer，O.，Yan，J.：关于离散观测扩散过程的模拟可能性以及与闭合形式近似的比较。J.计算。图表。Stat.16，672–691（2007年）·doi:10.1198/106186007X237306
[21] Yoshida，N.：离散观测的扩散过程估计。J.多变量。分析。41, 220–242 (1992) ·Zbl 0811.62083号 ·doi:10.1016/0047-259X（92）90068-Q
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。