我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
本文考虑由Hawkes过程驱动的一维跳跃扩散过程。我们对长期离散高频观测值的波动函数和跳跃函数的估计感兴趣,这到目前为止仍是一个悬而未决的问题。首先,我们建议估计波动系数。为此,我们在估计过程中引入了截断函数,它允许我们考虑过程的跳跃,并在线性子空间上估计波动率函数L(左)2(A类)哪里A类是一个紧凑的区间R(右)我们获得了波动率估计量的经验风险的一个界,确保了它的一致性,然后研究了一个具有正则性的自适应估计量。然后,我们定义了波动率和跳跃系数之间的和的估计量,跳跃系数由跳跃强度的条件期望修正。我们还建立了此和的非自适应估计的经验风险的界、收敛到真函数正则性的速度以及最终自适应估计的预言不等式。
最后,我们给出了在一些应用中恢复跳跃函数的方法。我们进行了一项模拟研究,以在实践中测量我们的估计值的准确性,并讨论了从我们的估计过程中恢复跳跃函数的可能性。
C.阿莫利诺感谢ERC合并公司Grant 815703“STAMFORD:高维扩散的统计方法”的财政支持。
作者感谢匿名审稿人的有益评论,这些评论帮助改进了论文的第一版。
奇亚拉·阿莫里诺。 夏洛特·迪昂·布朗。 阿诺德·格洛特。 莎拉·莱姆勒。 “关于自激跳跃扩散系数的非参数推断。” 电子。J.统计。 16 (1) 3212 - 3277, 2022 https://doi.org/10.1214/22-EJS2019