尤伊玛

离散观测分数阶Ornstein-Uhlenbeck过程和yuimar包的参数估计。本文对随机微分方程dY t=-λY dt+σdW t H离散观测的分数阶Ornstein-Uhlenbeck过程解的参数λ、σ和H提出了一致的渐近高斯估计,其中(W t H,t≥0)是分数布朗运动。对于漂移λ的估计,只有在12<H<34的情况下才能得到结果。本文还提供了基于YUIMA包的R统计环境的即用软件。


zbMATH参考文献(41篇文章引用,2标准条款)

显示第41至第20个结果。
按年份排序(引用)
  1. Ascione,Giacomo;Mishura,Yuliya;Pirozzi,Enrica:时间变化的分数Ornstein-Uhlenbeck过程(2020)
  2. Křž,Pavel:线性随机演化方程最小对比度估计的空间一致性版本(2020)
  3. 沈广军;王庆波;尹秀伟:具有小分数阶Lévy噪声的离散观测vasicek模型的参数估计(2020)
  4. Alazemi,F.;Douissi,S.;Es-Sebaiy,Kh.:具有离散观测的混合分数阶Ornstein-Uhlenbeck过程漂移参数估计的Berry-Essen界和ASCLTs。(英语。俄文原件)(2019年)
  5. 千叶,科海:分数布朗运动驱动的两个随机过程之间的超前-滞后参数估计(2019)
  6. 高斯过程:哈利法斯哈利夫边界(2019年);哈利法斯哈利法斯(frebaidoues)的一般估计;哈利法斯(frebaidoues)的一般估计
  7. Eguchi,Shoichi;Masuda,Hiroki:高斯准似然推断中的数据驱动时间尺度(2019)
  8. Es Sebaiy,Khalifa;Viens,Frederi G.:平稳高斯过程参数估计的最佳速率(2019年)
  9. Fukasawa,Masaaki;Takabatake,Tetsuya:高频观测下自相似平稳高斯噪声的渐近有效估计量(2019年)
  10. García,Oscar:通过转换为最小二乘问题估计可约随机微分方程(2019)
  11. Hitaj,Asmerilda;Mercuri,Lorenzo;Rroji,编辑:Lévy CARMA死亡率冲击模型(2019年)
  12. Liu,Yanghui;Nualart,Eulalia;Tindel,Samy:具有加性分数噪声和连续时间观测的随机微分方程的LAN性质(2019)
  13. Rahimi Tabar,M.Reza:复杂非线性动力系统的分析与基于数据的重构。使用随机过程方法(2019)
  14. 沈广军;余,钱:离散观测中分数阶Lévy过程驱动的Ornstein-Uhlenbeck过程的最小二乘估计(2019)
  15. 沈广军;于光军;李云梦:周期平均分数阶Lévy过程驱动的Ornstein-Uhlenbeck过程的最小二乘估计(2019)
  16. Uehara,Yuma:错误指定遍历Lévy驱动随机微分方程模型的统计推断(2019年)
  17. Bellini,Fabio;Mercuri,Lorenzo;Rroji,编辑:隐含预期值和隐含波动性度量(2018)
  18. 冯文峰;贝利,理查德M.:共生生态社区中复杂性与稳定性的统一关系(2018)
  19. Gatheral,Jim;Jaisson,Thibault;Rosenbaum,Mathieu:波动性很粗糙(2018)
  20. Iacus,Stefano M.;Mercuri,Lorenzo;Rroji,编辑:坐标图((p,q))模型的离散时间近似及其估计(2018)