×
苏凯纳·杜伊西;哈里发Es-Sebaiy;乔治·克切夫;伊凡·诺丁

高频观测高斯过程二阶矩估计量的Berry-Esseen界。 （英语） Zbl 1487.60050号

电子。J.统计。 16，第1号，636-670（2022）.
小结：设（Z:={Z_t，t\geq0}）是平稳高斯过程。我们研究了（mathbb{E}[Z_0^2]）的两个估计量，即（widehat{f} _T（_T）（Z） ：=\frac{1}{T}\int_0^TZ_T^2 dt\），和\（\widetilde{f} _n（n）（Z）：=\frac{1}{n}\sum_{i=1}^nZ_{t{i}}^2），其中\（t_i=i\Delta_n\），\（i=0，1，\点，n，\ Delta_n \ to 0 \）和\（t_n:=n\Delta_n\to\ infty \）。我们证明了这两个估计是强相合的，并建立了一个涉及（widehat）的中心极限定理的Berry-Esseen界{f} _T（_T）（Z） \）和\（\widetilde{f} _n（n）（Z） \）。我们将这些结果应用于渐近平稳高斯过程，并估计高斯-奥恩斯坦-乌伦贝克过程的漂移参数。

引用于2文件

理学硕士：

60F05型 中心极限和其他弱定理
60G15年 高斯过程
60亿10 平稳随机过程
2012年12月62日 参数估计量的渐近性质
2009年6月26日 非马尔可夫过程：估计

关键词：

参数估计;强一致性;估计量的正态收敛速度;平稳高斯过程;连续时间观测;高频数据
PDF格式BibTeX公司 XML格式引用
\textit｛S.Douisi｝等人，电子。J.Stat.16，No.1，636--670（2022；Zbl 1487.60050）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Alazemi，F.、Alsenafi，A.、Es-Sebaiy，K.（2020年）。第二类高斯均值回归Ornstein-Uhlenbeck过程的参数估计：非遍历情况。随机与动力学20（2），2050011（25页）·Zbl 1462.60042号
[2] Azmoodeh，E.，Viitasaari，L.（2015）基于第二类分数Ornstein-Uhlenbeck过程的离散观测的参数估计。统计推断Stoch过程，18205-227·Zbl 1325.60051号
[3] Bajja，S.、Es-Sebaiy，K.、Viitasaari，L.（2020年）。分数阶Ornstein-Uhlenbeck模型中的波动率估计。随机模型，36（1），94-111·Zbl 1437.60023号
[4] Bierme，H.、Bonami，A.、Nourdin，I.、Peccati，G.（2012年）。Wiener空间上的最优Berry-Esseen速率：第三和第四累积量的屏障。ALEA公司9，编号2，473-500·兹比尔1277.60046
[5] Brockwell，P.，Davis，R.（2009）《时间序列：理论和方法》（统计学中的Springer系列），第二版·Zbl 1169.62074号
[6] Carbery，A.，Wright，J.（2001）凸体上多项式的分布不等式和范数不等式。数学。Res.Lett公司。8, 3, 233-248. ·Zbl 0989.26010号
[7] Chen，Y.、Hu，Y.和Long，H.（2019）基于离散观测的（α）稳定Ornstein-Uhlenbeck运动的广义矩估计。统计推断统计。过程。23, 1, 53-81. ·兹比尔1436.62084
[8] Chen，Y.，Tian，L.，Ying，L.（2020）长记忆高斯噪声驱动的\[AR（1）\]模型的二阶矩估计。arXiv预打印arXiv:2008.12443。
[9] Cheridito，P.（2004）。高斯移动平均、半鞅和期权定价。随机过程及其应用，109（1），47-68·Zbl 1075.60025号
[10] Cheridito，P.、Kawaguchi，H.、Maejima，M.（2003）。分数Ornstein-Uhlenbeck过程，Electr。J.探针。8, 1-14. ·Zbl 1065.60033号
[11] Douissi，S.、Es-Sebaiy，K.、Viens，F.（2019年）。一般高斯过程参数估计的Berry-Esseen界。拉丁美洲ALEA，J.Probab。数学。斯达。, 16, 633-664. ·Zbl 1423.60041号
[12] El Machkouri，M.，Es-Sebaiy，K.，Oukine，Y.（2016）。高斯过程驱动的非遍历Ornstein-Uhlenbeck过程的最小二乘估计。《韩国统计学会杂志》45，329-341·Zbl 1342.62024号
[13] El Onsy，B.，Es-Sebaiy，K.，Viens，F.（2017年）。具有长记忆噪声的部分观测Ornstein-Uhlenbeck过程的参数估计。随机学，89（2），431-468·Zbl 1422.62275号
[14] Es Sebaiy，K.（2013年）。离散观测分数Ornstein-Uhlenbeck过程最小二乘估计的Berry-Esseen界。统计师。普罗巴伯。莱特。83., 10, 2372-2385. ·兹比尔1283.62171
[15] Es-Sebaiy，K.，Alazemi，F.，Al-Foraih，M.（2019年）。离散观测的非遍历高斯Ornstein-Uhlenbeck过程的最小二乘型估计。科学数学学报，39（4），989-1002·Zbl 1499.62286号
[16] Es-Sebaiy，K.和Es.Sebaiy，M.（2020年）。在非遍历高斯Vasicek型模型中估计漂移参数。统计方法与应用·Zbl 1480.62051号
[17] Es-Sebaiy，K.，Viens，F.（2019年）。平稳高斯过程参数估计的最优速率。随机过程及其应用，129（9），3018-3054·Zbl 1422.60031号
[18] Jiang，H.，Liu，J.，Wang，S.（2018）分数阶Ornstein-Uhlenbeck过程参数估计的自归一化渐近性质。随机与动力学。第18卷，第5卷（29页）·Zbl 1419.62212号
[19] Hu，Y.，Nualart，D.（2010）。分数阶Ornstein-Uhlenbeck过程的参数估计。统计师。普罗巴伯。莱特。80, 1030-1038. ·Zbl 1187.62137号
[20] Hu，Y.，Nualart，D.，Zhou，H.（2019）。广义Hurst参数分数阶Ornstein-Uhlenbeck过程的参数估计。随机过程的统计推断，22（1），111-142·兹比尔1419.62211
[21] Hu，Y.，Song，J.（2013）。离散观测下分数Ornstein-Uhlenbeck过程的参数估计。F.Viens等人（编辑），《马利亚文微积分与随机分析：纪念大卫·努阿尔特的节日》，427-442，施普林格出版社·Zbl 1268.62100号
[22] Kaarakka，T.，Salminen，P.（2011年）。分数Ornstein-Uhlenbeck过程。《随机分析通讯》，5（1），121-133·Zbl 1331.60065号
[23] Karhunen，K.（1950年）。U ber die Struktur stationärer zufälliger Funktitonen。方舟材料1（3），141-160·Zbl 0038.08603号
[24] 科索夫，E.（2019）。对数凹随机向量中多项式的L2范数的总变化距离估计。国际数学研究通告，rnz278。https://doi.org/10.1093/imrn/rnz278 ·兹比尔1490.60047
[25] Kloeden，P.和Neuenkirch，A.（2007年）。随机微分方程近似格式的路径收敛性。LMS J.公司。数学。10, 235-253. ·Zbl 1223.60051号
[26] Křazi，P.，Maslowski，B.（2019年）。线性随机发展方程的中心极限定理和最小对比度估计。随机，91，1109-1140·Zbl 1495.60010号
[27] Nourdin，I.（2013）关于高斯近似与Malliavin演算的讲座。概率标准XLV。数学课堂笔记，2078，查姆斯普林格·Zbl 1291.60048号
[28] Nourdin，I.，Peccati，G.（2012年）。Malliavin微积分的正规逼近：从Stein方法到普适性。剑桥数学丛书192。剑桥大学出版社，剑桥·Zbl 1266.60001号
[29] Nourdin，I.，Peccati，G.（2015）。最优四阶矩定理。程序。阿默尔。数学。Soc.143、3123-3133·兹比尔1317.60021
[30] Nourdin，I.，Tran，T.D.（2019年）。Hermite过程驱动的Vasicek型模型的统计推断。随机过程及其应用，129（10），3774-3791·Zbl 1479.60078号
[31] Nourdin，I.，Nualart，D.（2013）Fisher信息和四阶矩定理。Ann.Inst.H.PoincaréProbab公司。统计人员。，52, 2, 849-867. ·Zbl 1342.60083号
[32] Nualart，D.（2006年）。Malliavin微积分和相关主题。柏林斯普林格·弗拉格。·兹比尔1099.6003
[33] Nualart，D.，Peccati，G.（2005年）。多重随机积分序列的中心极限定理。Ann.遗嘱认证。33，第1期，177-193·兹比尔1097.60007
[34] Pham-Dinh-Tuan（1977年）。用有理谱密度估计连续时间高斯平稳过程的参数，Biometrica 64，2385-399·兹比尔0363.62075
[35] Schervish，M.（1997）。统计学理论（统计学中的斯普林格系列）斯普林格。
[36] Sottinen，T.，Viitasaari，L.（2018年）。平稳增量高斯噪声下Langevin方程的参数估计。随机过程的统计推断，21（3），569-601。
[37] Wood，A.、Chan，G.（1994年）。平稳高斯过程的模拟。计算和图形统计杂志，3（4）：409-432。
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。