尤伊玛

离散观测分数阶Ornstein-Uhlenbeck过程和yuimar包的参数估计。本文给出了随机微分方程dY t=-λY t dt+σdW t H离散观测分数阶Ornstein-Uhlenbeck过程解的参数λ、σ和H的一致渐近高斯估计,其中(W t H,t0)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中的参考文献(参考文献45篇文章,2标准条款)

显示第1到第20个结果,共45个。
按年份排序(引用)
  1. 哈利斯,埃尔梅赫迪;胡耀中:离散观测下分数阶Ornstein-Uhlenbeck模型中所有参数的估计(2021)
  2. 莫库里,洛伦佐;珀乔佐,安德里亚;编辑:CARMA(p,q)模型的有限混合近似(2021)
  3. 于谦:一般Hurst参数具有周期平均的分数阶Ornstein-Uhlenbeck过程的最小二乘估计(2021)
  4. Arsalane Chouaib Guidoum,Kamal Boukhetala:对Ito和Stratonovich随机微分系统执行并行蒙特卡罗和矩方程方法:R包模拟。DiffProc(2020年)不是zbMATH
  5. 阿西酮,贾科莫;三浦,玉丽雅;Enrica Pirozzi:时间变化的分数Ornstein-Uhlenbeck过程(2020)
  6. 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)
  7. 沈光军;王清波;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)
  8. 阿拉兹米,F。;杜伊斯,S。;Es Sebaiy,Kh.:离散观测混合分数阶Ornstein-Uhlenbeck过程漂移参数估计的Berry-Esseen界和ASCLTs。(英文、俄文原件)(2019年)
  9. 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)
  10. 杜伊斯,苏凯纳;塞巴伊,哈利法;Viens,Frederi G.:一般高斯过程参数估计的Berry-Essen界(2019)
  11. 江口,昭一;Masuda,Hiroki:高斯准似然推断中的数据驱动时间尺度(2019)
  12. 塞巴伊,哈利法;Viens,Frederi G.:平稳高斯过程参数估计的最佳速率(2019)
  13. 福川,Masaaki;Takabatake,Tetsuya:高频观测下自相似平稳高斯噪声的渐近有效估计(2019)
  14. García,Oscar:通过转换为最小二乘问题估计可约随机微分方程(2019)
  15. 希塔杰,阿斯梅里尔达;莫库里,洛伦佐;编辑:Lévy CARMA死亡率冲击模型(2019)
  16. 刘阳辉;努亚拉特,尤拉利亚;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特性(2019)
  17. 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)
  18. 沈光军;Yu,Qian:基于离散观测的分数Lévy过程驱动的Ornstein-Uhlenbeck过程的最小二乘估计(2019)
  19. 沈光军;于谦;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)
  20. 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)