×
帕维尔·科西奇

线性随机演化方程最小对比度估计的空间一致版本。 （英语） Zbl 1451.60068号

斯托克。动态。 20，第3号，文章ID 2050019，27 p.（2020）.
小结：在谱方法（观测解的傅里叶坐标）的设置下，对具有加性分数噪声的线性随机演化方程中漂移参数的最小对比度估计（加权MCE）进行了新的修正。重新加权技术利用自相似性，随着坐标数量的增加和时间范围的固定（空间一致性），实现了估计器的强一致性和渐近正态性。在这方面，这种修改优于标准（非加权）MCE。与谱方法中研究的其他漂移估计量（例如，最大似然、轨迹拟合）相比，加权MCE是相当普遍的。它包括离散时间和连续时间观测，适用于赫斯特指数为（H\in（0,1））的任何过程。据作者所知，这是迄今为止研究的第一个空间一致性估计量（H<1/2）。

引用于1文件

MSC公司：

60甲15 随机偏微分方程（随机分析方面）
60G22型 分数过程，包括分数布朗运动
2009年6月62日 非马尔可夫过程：估计

关键词：

分数SPDE;光谱法;最小对比度估计器

软件：

尤玛
PDF格式BibTeX公司 XML格式引用
\textit{P.Křízig}，斯托克。动态。20，第3号，文章ID 2050019，27 p.（2020；Zbl 1451.60068）
全文： 内政部 arXiv公司

参考文献：

[1] Barboza，L.和Viens，F.G.，使用广义矩方法估计高斯平稳过程的参数，电子。《统计杂志》11（2017）401-439·Zbl 1473.62297号
[2] Berzin，C.、Latour，A.和León，J.R.，分数布朗运动驱动的扩散的Hurst参数和方差推断，第216卷（Springer，2014）·Zbl 1341.62004号
[3] Bishwal，J.P.N.，分数Ornstein-Uhlenbeck过程中的最小对比度估计：连续和离散采样，分形。计算应用程序。分析14（3）（2011）375-410·Zbl 1273.62056号
[4] Brouste，A.和Iacus，S.M.，离散观测分数Ornstein-Uhlenbeck过程和Yuima R包的参数估计，计算。《统计学》28（4）（2013）1529-1547·Zbl 1306.65034号
[5] Cheridito，P.、Kawaguchi，H.和Maejima，M.，分数Ornstein-Uhlenbeck过程，电子。《概率杂志》8（3）（2003）1-14·Zbl 1065.60033号
[6] Cialenco，I.，《SPDE的统计推断：概述》，统计推断Stoch。流程21（2）（2018）309-329·Zbl 1394.60067号
[7] Cialenco，I.，Gong，R.和Huang，Y.，加性噪声驱动的SPDE轨迹拟合估计量，统计推断Stoch。过程21（1）（2018）1-19·Zbl 1393.60065号
[8] Cialenco，I.，Lototsky，S.V.和Pospíšil，J.，具有加性分数布朗运动的随机抛物型方程最大似然估计量的渐近性质，Stoch。Dyn.9（2）（2009）169-185·Zbl 1176.62019年
[9] Coeurjolly，J.F.，使用样本分位数的局部自相似高斯过程的Hurst指数估计，《统计年鉴》36（3）（2008）1404-1434·Zbl 1157.60034号
[10] Es-Sebaiy，K.和Viens，F.，平稳高斯过程参数估计的最佳速率，随机过程。申请。(2018). https://doi.org/10.1016/j.spa.2018.08.010 ·Zbl 1422.60031号
[11] Gloter，A.和Hoffmann，M.，从离散噪声数据估计Hurst参数，《统计年鉴》35（5）（2007）1947-1974·Zbl 1126.62073号
[12] Hu，Y.，Nualart，D.和Zhou，H.，一般Hurst参数分数Ornstein-Uhlenbeck过程的参数估计，统计推断Stoch。流程.22（1）（2019）111-142·兹比尔1419.62211
[13] Huebner，M.和Rozovskii，B.L.，关于抛物型随机偏微分方程最大似然估计的渐近性质，Probab。理论相关领域103（2）（1995）143-163·Zbl 0831.60070号
[14] Istas，J.和Lang，G.，高斯过程局部Hölder指数的二次变化和估计，Ann.I.H.Poincare PR33（1997）407-436·Zbl 0882.60032号
[15] Koski，T.，Akademi，奥兰多。和Loges，W.。关于分布参数系统的识别，《随机过程-数学和物理II》，编辑：Albeverio，S.、Blanchard，P.和Streit，L.，第1250卷（Springer，1987），第152-159页·Zbl 0627.93071号
[16] Křízi，P.和Maslowski，B.，线性随机演化方程的中心极限定理和最小对比度估计，随机学（2019）。在线发布：https://doi.org/10.1080/17442508.2019.1576688。 ·兹比尔1495.60010
[17] Kubilius，K.，Mishura，Y.，Ralchenko，K.和Seleznjev，O.，离散分数Ornstein-Uhlenbeck过程漂移参数估计与Hurst指数的一致性，Electron。《统计学杂志》9（2）（2015）1799-1825·Zbl 1326.60048号
[18] Kutoyants，Y.A.，《扩散型观测的最小距离参数估计》，C.R.Acad。科学。巴黎。序列号。《数学I》312（8）（1991）637-642·Zbl 0717.62075号
[19] Lototsky，S.V.，随机抛物方程的统计推断：谱方法，Publ。材料53（1）（2009）3-45·Zbl 1157.62057号
[20] Maslowski，B.和Pospíšil，J.，无限维分数Ornstein-Uhlenbeck过程的遍历性和参数估计，J.Appl。数学。最佳方案57（3）（2008）401-429·Zbl 1176.35185号
[21] Maslowski，B.和Tudor，C.A.，无限维分数Ornstein-Uhlenbeck过程的漂移参数估计，Bull。科学。数学137（7）（2013）880-901·Zbl 1281.62176号
[22] Nourdin，I.和Peccati，G.，最佳四阶矩定理，Proc。阿默尔。数学。Soc.143（7）（2015）3123-3133·Zbl 1317.60021号
[23] Nualart，D.和Peccati，G.，《多重随机积分序列的中心极限定理》，《Ann.Probab.33（1）（2005）177-193》·邮编1097.60007
[24] Piterbarg，L.和Rozovskii，B.，关于随机偏微分方程中参数估计的渐近问题：离散时间采样的情况，数学。方法统计6（2）（1997）200-223·Zbl 0884.65140号
[25] Rosenbaum，M.，离散观测扩散模型中波动持续性的估计，随机过程。申请118（8）（2008）1434-1462·兹比尔1142.62055
[26] Shiryaev，A.N.，《概率论》，第2版，第95卷（施普林格出版社，1996年）。
[27] Shubin，M.A.，伪微分算子和谱理论，第2版。（Springer-Verlag，2001年）·Zbl 0980.35180号
[28] Sottinen，T.和Viitasaari，L.，带平稳增量高斯噪声的Langevin方程的参数估计，统计推断Stoch。流程21（3）（2018）569-601。
[29] Torres，S.、Tudor，C.和Viens，F.，分数色随机热方程的二次变量，电子。《J.Probab》19（76）（2014）1-51·Zbl 1314.60132号
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。