卡里姆·本海尼
格勒诺布尔阿尔卑斯大学
法国
迪迪埃·吉拉德
中国科学院
萨纳·卢希奇
格勒诺布尔阿尔卑斯大学
法国
2021年7月28日出版内政部:2014年10月14日。运营2021.0696
摘要
Résumé
关键词
Mots-clés公司
在具有严格平稳误差的非参数回归模型中,我们考虑了趋势核估计中平滑参数$$${h}$$$的最优选择问题。我们假设误差是随机波动序列。研究了三种类型的波动率序列:对数正态波动率、伽玛波动率和具有伯努利创新的对数线性波动率。我们将加权平均平方误差(ASE)作为使用$${h}$$$的趋势估计性能的全局度量,并研究了从数据中选择$${h}$$的两个经典标准,即调整后的广义交叉验证和Mallows-type标准。我们建立了在这些选择器之一处评估的ASE与可能的最小ASE之间的间隙的渐近分布。对数正态随机波动率模型的Monte-Carlo模拟表明,即使在小样本情况下,这种渐近近似也可以是准确的。
在具有严格平稳误差的非参数回归模型中,我们考虑了趋势核估计中平滑参数$$${h}$$$的最优选择问题。我们假设误差是随机波动序列。研究了三类波动率序列:对数正态波动率、Gamma波动率和具有Bernoulli创新的对数线性波动率。我们将加权平均平方误差(ASE)作为使用$${h}$$$的趋势估计性能的全局度量,并研究了从数据中选择$${h}$$的两个经典标准,即调整后的广义交叉验证和Mallows-type标准。我们建立了在这些选择器之一处评估的ASE与可能的最小ASE之间的间隙的渐近分布。对数正态随机波动率模型的Monte-Carlo模拟表明,即使在小样本情况下,这种渐近近似也可以是准确的。
非参数趋势估计
核非参数模型
平滑参数选择
均方误差
平均平方误差超标
均方误差
马尔洛准则
交叉验证
广义交叉验证
SV模型
非参数趋势估计
核非参数模型
平滑参数选择
平均平方误差
平均平方误差超标
均方误差
马尔洛准则
交叉验证
广义交叉验证
SV模型