×
千叶，高黑

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。 （英语） 兹比尔1432.62285

统计推断统计。过程。 22，第3号，323-357（2019）.
摘要：在本文中，我们考虑由Hurst参数大于1/2的分数布朗运动（fBMs）驱动的两个随机过程之间的超前滞后参数的估计问题。首先，我们提出了两个包含fBM的随机过程之间的超前滞后模型，然后构造了具有可能收敛速度的超前滞后参数的一致估计。我们的估计器具有以下两个特征。首先，我们可以在不使用底层fBM的Hurst参数的情况下构造超前滞后估计器。其次，我们的估计器可以处理一些非同步和不规则的观测。当观测时间（i）同步且等距，以及（ii）由泊松抽样方案给出时，我们明确计算了可能的收敛速度。我们还使用R包YUIMA对我们的结果进行了数值模拟。

引用于2文件

MSC公司：

2009年6月26日 非马尔可夫过程：估计
60G22型 分数过程，包括分数布朗运动

关键词：

分数布朗运动；超前滞后效应；非同步观测；对比度估计；赫斯特参数

软件：

对；尤玛
PDF格式BibTeX公司 XML格式引用
\textit{K.千叶}，Stat.Inference Stoch。过程。22，第3号，323--357（2019；Zbl 1432.62285）
全文： 内政部 arXiv公司

参考文献：

[1] Hayashi T，Kusuoka S（2008）非同步性下协变量的一致估计。统计推断Stoch过程11（1）：93-106·Zbl 1148.62070号 ·doi:10.1007/s11203-007-9009-9
[2] Hayashi T，Yoshida N（2005）关于非同步观测扩散过程的协方差估计。伯努利11（2）：359-379·Zbl 1064.62091号 ·doi:10.3150/bj/1116340299
[3] Hayashi T，Yoshida N（2008）非同步观测扩散过程协方差估计的渐近正态性。Ann Inst统计数学60（2）：367-406·Zbl 1332.62284号 ·doi:10.1007/s10463-007-0138-0
[4] Hoffmann M、Rosenbaum M、Yoshida N（2013）非同步数据的超前滞后参数估计。伯努利19（2）：426-461·Zbl 1456.62248号 ·文件编号：10.3150/11-BEJ407
[5] Huth N，Abergel F（2014）高频超前/滞后关系实证事实。《企业财务杂志》26:41-58·doi:10.1016/j.jempfin.2014.01.003
[6] Koike Y（2014）随机抽样下预平均Hayashi-Yoshida估计的极限定理。Stoch Process他们的应用124（8）：2699-2753·兹比尔1335.60040 ·doi:10.1016/j.spa.2014.03.008
[7] Koike Y（2016a）关于具有无穷小超前-滞后效应的布朗运动的渐近结构。arXiv预打印arXiv:1601.03614
[8] Koike Y（2016b）带有跳跃和噪声的不规则观测半鞅的二次协变量估计。伯努利22（3）：1894-1936·Zbl 1342.60033号 ·文件编号：10.3150/15-BEJ714
[9] Norros I，Valkeila E，Virtamo J等人（1999）关于分数布朗运动的girsanov公式和其他分析结果的基本方法。伯努利5（4）：571-587·Zbl 0955.60034号 ·doi:10.2307/3318691
[10] Nourdin I，Peccati G（2012）《Malliavin演算的正态逼近：从Stein方法到普适性》，第192卷。剑桥大学出版社·Zbl 1266.60001号 ·doi:10.1017/CBO9781139084659
[11] Nualart D（2006）《Malliavin微积分及相关主题》，第1995卷。柏林施普林格·Zbl 1099.60003号
[12] Nualart D，Ouknine Y（2002）《分数噪声对微分方程的正则化》。Stoch过程及其应用102（1）：103-116·Zbl 1075.60536号 ·doi:10.1016/S0304-4149（02）00155-2
[13] Robert CY，Rosenbaum M（2010）关于时滞过程协方差矩阵的极限谱分布。多变量分析杂志101（10）：2434-2451·Zbl 1202.15037号 ·doi:10.1016/j.jmva.2010.06.014
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。