Maximum likelihood estimation for sub-fractional Vasicek model
研究了亚分数阶布朗运动驱动的分数阶Vasicek模型漂移参数极大似然估计的渐近性质。
2021-06-07 math.PR math.ST stat.TH
Maximum likelihood estimation for stochastic differential equations driven by a mixed fractional Brownian motion with random effects
本文讨论了一类由混合分数阶布朗运动驱动的随机微分方程模型参数的极大似然估计。
2021-04-30 math.PR math.ST stat.TH
Estimation of the drift of fractional Brownian motion
研究了分数布朗运动$H$的漂移的有效估计问题,其中Hurst参数$H$小于1/2。我们还构建了超高效的詹姆斯-斯坦型估计占主导地位,在通常的二次风险,自然最大似然估计。
2009-05-09 math.PR math.ST stat.TH
Two-step wavelet-based estimation for mixed Gaussian fractional processes
混合高斯分数过程$\{Y(t)\}_{t \in {\Bbb R}} = \{PX(t)\}_{t \in {\Bbb R}}$是通过将独立的高斯分数过程项$X$的向量预乘以非奇异矩阵$P$而获得的多变量随机过程。它被解释为$Y$是可观察的,而$X$是发生在(未知)坐标系$P$中的隐藏过程。混合过程自然地出现作为近似的解决方案的物理相关类的多变量分数阶随机微分方程下的聚合。我们提出了一个半参数两步小波基方法估计的分层矩阵$P^{-1}$和记忆参数的$X$。在连续时间和离散时间下,建立了估计量的渐近正态性。Monte Carlo实验表明,有限样本估计性能与参数方法相当,同时计算效率非常高。作为应用,我们建立了一个二元时间序列的年轮宽度测量,并建立了样本小波矩阵的特征结构的渐近正态性。
2017-08-10 math.ST stat.TH
Parameter Estimation for multi-mixed Fractional Ornstein--Uhlenbeck Processes by Generalized Method of Moments
本文针对有限混合多重混合分数阶Ornstein--Uhlenbeck过程,提出了基于广义矩估计法的参数估计方法,证明了其一致性与渐近正态性,并通过模拟验证了不同统计误差下的数值表现。
2024-01-10 math.PR math.ST stat.TH
Nonparametric Estimation for Stochastic Differential Equations Driven by Fractional Brownian Motion
研究了Hurst参数H > 1/2的分数阶布朗运动驱动的遍历随机过程漂移函数的非参数Nadaraya-Watson估计。估计是基于离散观测的随机过程。利用各态历经性质和随机积分,我们得到了所提出估计量的一致性。
2022-04-30 math.ST stat.ME stat.TH
Drift estimation for a partially observed mixed fractional Ornstein--Uhlenbeck process
School of Mathematics (Zhuhai), Sun Yat-sen University(中山大学数学学院(珠海))
本文研究了混合分数布朗运动驱动的部分观测奥本海姆过程的漂移参数估计,推导了卡尔曼滤波器和里卡蒂方程,并证明了最大似然估计的渐近正态性和信息量与标准布朗运动情况一致。
2026-01-09 math.ST stat.TH
Parameter Estimation of Complex Fractional Ornstein-Uhlenbeck Processes with Fractional Noise
得到了分数阶噪声干扰下复值Ornstein-Uhlenbeck过程漂移系数的最小二乘估计的强相合性和渐近正态性,推广了Y. Hu和D. Nualart,[统计学家。可能吧信件:80(2010),1030-1038]转换为特殊的二维。策略是利用Garsia-Rodemich-Rumsey不等式和复杂的四阶矩定理。本文的主要内容是多重Wiener-Ito积分的样本路径正则性和复四阶矩定理的两个等价条件。
2017-01-26 math.PR math.ST stat.TH
On drift parameter estimation for reflected fractional Ornstein-Uhlenbeck processes
考虑由分数布朗运动驱动的反射Ornstein-Uhlenbeck过程$X$,其参数为$H\in (0, \frac12) \cup (\frac12, 1)$ .我们的目标是估计一个未知的漂移参数$α\in (-\infty,\infty)$的状态过程的连续观测的基础上。建立了过程$X$的Girsanov定理,导出了漂移参数$α$的标准极大似然估计,并证明了其强相合性和渐近正态性.作为一种改进的估计量,我们假设过程是可观测的,直到某个信息达到指定的精度水平,得到了序列极大似然估计量及其均方误差的显式表达式.估计被证明是无偏的,均匀正态分布,和有效的均方误差的意义。
2015-03-23 math.ST stat.TH
Estimation of mixed fractional stable processes using high-frequency data
线性分数阶稳定运动推广了两类重要的随机过程,即稳定的Lévy过程和分数阶布朗运动。由于这个原因,它可以被视为连续时间模型的基本构建块。本文研究了一类由独立线性分式稳定运动叠加而成的程式化模型,重点研究了该模型的参数估计。应用估计方程的方法,我们构造估计的整个参数集,并推导出其渐近正态性在高频政权。一致性的条件在两个突出的特殊情况下是尖锐的:(i)对于Lévy过程,即连续Blumenthal-Getoor指数的估计,以及(ii)对于Cheridito引入的混合分数布朗运动。在其余的情况下,我们的研究结果揭示了一个微妙的赫斯特参数和稳定性指数之间的相互作用。我们的渐近理论是基于多尺度滑动平均过程的新的极限定理。
2022-08-15 math.PR math.ST stat.TH
Maximum likelihood estimation for mixed fractional Vasicek processes
混合分数维Vasicek模型是传统Vasicek模型的扩展,在波动率、利率和汇率的建模中得到了广泛的应用。显然,如果某些现象是由混合分数Vasicek模型,统计推断这一过程是非常感兴趣的。基于连续时间观测,本文研究了混合分数阶Vasicek模型中漂移参数的估计问题。我们将提出混合分数阶布朗运动的Radon-Nikodym导数的混合分数阶Vasicek模型中漂移参数的极大似然估计。利用基本鞅和拉普拉斯变换,证明了所有$H\in(0,1)$,$H\neq 1/2$的极大似然估计的强相合性和渐近正态性.
2020-07-15 math.PR math.ST stat.TH
Parameter estimation for fractional Ornstein-Uhlenbeck processes
研究了分数布朗运动驱动下的Ornstein-Uhlenbeck过程$dX_t=θX_t dt+σdB^H_t$的最小二乘估计$\hat θ_T$,该过程的参数为$H\ge \frac12$ .证明了$\hat θ_T$的强相合性($\hat θ_T$几乎必然收敛于真参数${% θ}$).我们还得到了这种收敛速度时,$1/2\le H<3/4$,应用中心极限定理的多个维纳积分。这个最小二乘估计量可以用来研究其他更适合模拟的估计量,如公式4.1定义的估计量$\tilde θ_T$。
2009-01-30 math.PR math.ST stat.TH
Maximum Likelihood Estimation of Stochastic Differential Equations with Random Effects Driven by Fractional Brownian Motion
随机微分方程和随机动力学是描述现实世界中随机现象的良好模型。本文研究了N个独立的实项随机过程Xi(t),这些过程由依赖于某些随机效应的带漂移项的随机微分方程确定.通过核变换得到了分数阶布朗运动驱动的随机微分方程的Girsanov型公式。在随机效应的一些假设下,我们用极大似然估计估计参数估计量,并对离散观测值进行了数值模拟。结果表明,对于不同的H,随着数据量的增加,参数估计值更接近真实值。
2020-01-06 math.DS math.ST stat.TH
Generalized $k$-variations and Hurst parameter estimation for the fractional wave equation via Malliavin calculus
我们分析了广义$k$ -变化的波动方程的解驱动的加性高斯噪声的行为作为分数布朗与赫斯特参数$H>\frac{1}{2}$在时间上,这是白色的空间。$k$ -变化沿着任意阶数$p\geq 1$和任意长度的{ \it滤波器}定义。证明了当$p> H+\frac{1}{4}$满足中心极限定理时,广义$k$ -变分序列满足中心极限定理,并通过Stein-Malliavin演算估计了其收敛速度.将结果应用于Hurst指数的估计。我们构造了$H$的几个相容估计,并对这些估计进行了理论分析和数值计算。
2019-03-06 math.PR math.ST stat.TH
Estimation of several parameters in discretely-observed Stochastic Differential Equations with additive fractional noise
本文针对由加性分数布朗运动驱动的随机微分方程,基于离散观测构造Hurst参数、扩散参数和漂移项的联合估计量,证明一致性并给出收敛速率,且验证了分数Ornstein-Uhlenbeck过程满足可识别性假设。
2024-06-07 math.PR math.ST stat.TH
Parameter estimation in generalized fractional neuronal models
Aalto University(阿尔托大学);University of Campania Luigi Vanvitelli(坎帕尼亚路易吉范维泰利大学);University of Naples Federico II(那不勒斯费德里科二世大学)
针对结合分数阶动力学与相关随机输入的广义随机分数阶神经元模型,提出基于离散观测的两步参数估计方法,利用Mittag-Leffler函数渐近行为和分数阶微分技术,推导误差界并分析重建稳定性。
2026-06-08 math.PR math.ST stat.TH
Non-Linear Wavelet Regression and Branch & Bound Optimization for the Full Identification of Bivariate Operator Fractional Brownian Motion
自相似性被广泛认为是模拟真实世界数据尺度特性的参考框架。然而,大多数理论研究和实际应用仍然是单变量的。算子分数布朗运动(OfBm)是近年来提出的一种描述自相似性的多变量模型。然而,它仍然很少在应用中使用,因为在其众多参数的联合估计中出现了严重的问题。虽然单变量分数布朗运动只需要估计两个参数,其仅仅二元扩展已经涉及7个参数,这是非常不同的性质。本发明提出了一种用于完全识别双变量OfBm(即,所有参数的联合估计),通过一个原始的配方,作为一个非线性小波回归加上定制的分支定界数值方案。估计性能(一致性和渐近正态性)的数学建立和数值评估的Monte Carlo实验。定义OfBm的参数对估计性能以及相关计算成本的影响也进行了深入研究。
2016-08-28 math.PR math.ST stat.TH
Maximum likelihood drift estimation for the mixing of two fractional Brownian motions
本文在线性模型$X_t=θt+σB^{H_1}(t)+B^{H_2}(t),\;t\in[0,T],$中构造了未知漂移参数$θ\in \mathbb{R}$的极大似然估计(MLE),其中$B^{H_1}$和$B^{H_2}$是两个独立的分数布朗运动,其Hurst指标为$\frac12<H_1<H_2<1.$。
2015-06-15 math.PR stat.ME
Parameter estimation for fractional Poisson processes
提出了分数泊松过程参数的一种形式化估计方法。这样的程序是必要的,使fPp模型可用于应用的情况。fPp的基本思想,由具有长记忆的实验数据激发,是通过允许非指数,重尾分布的到达间隔时间和不同的标度特性,使标准泊松模型更加灵活。我们建立了我们的估计的两个参数出现在我们的fPp模型的渐近正态性。这一事实允许构建相应的置信区间。估计的属性,然后使用模拟数据进行测试。
2018-06-07 stat.ME
Seasonal fractional long-memory processes. A semiparametric estimation approach
本文利用季节性分数ARIMA模型研究了季节性时间序列的季节性和长记忆性,当季节性数据具有一个和两个季节性周期以及短记忆性对应时。建立了模型的平稳性和可逆性参数条件。为了估计记忆参数,本文将Reisen,Rodrigues和Palma(2006 a,b)给出的方法推广到具有两个季节分数长记忆参数的时间序列。通过蒙特卡罗实验,建立了该方法的渐近性质,并研究了该方法的精度.该估计器的良好性能表明,它可以是一个替代的竞争过程估计季节性长记忆时间序列数据。人工和PM10系列被认为是所提出的估计方法的应用程序的例子。
2010-11-25 stat.AP stat.CO stat.ME
First-passage probability estimation of high-dimensional nonlinear stochastic dynamic systems by a fractional moments-based mixture distribution approach
高维非线性随机系统的首次穿越概率估计是许多科学和工程领域亟待解决的重要课题,但仍然是一个公开的挑战。本论文开发了一种新的方法,称为“分数矩为基础的混合分布”,以解决这样的挑战。该方法是通过分数阶矩和混合分布的概念来捕捉系统响应的极值分布(EVD)。在我们的上下文中,分数阶矩本身定义为一个具有复杂被积函数的高维积分。为了有效地计算分数阶矩,一个并行的自适应采样方案,允许样本量扩展开发使用精细拉丁化分层抽样(RLSS)。以这种方式,方差减小和并行计算都可以用于评估分数矩。根据低阶分数阶矩的知识,然后期望重建感兴趣的EVD。在引入广义逆高斯分布和对数广义斜正态分布的基础上,提出了一种柔性混合分布模型,并给出了其分数阶矩的解析表达式。通过拟合一组分数阶矩,可以通过所提出的混合模型恢复EVD。因此,可以直接从恢复的EVD中获得不同阈值下的首次通过概率。通过两个测试算例和一个工程问题的算例验证了该方法的有效性。
2022-10-10 stat.ME
Optimal estimation of a signal perturbed by a fractional Brownian noise
本文考虑分数布朗运动中漂移项的向量参数$\thetavector=(θ_0,\ldots,θ_n)^{\top}$的最优估计问题,该运动由已知函数$φ_i(t)$,$\alli$上的有限和$\sum_{i=0}^{n}θ_{i}φ_{i}(t)$表示.对于参数$\thetavector$的值,我们得到了正态和均匀先验分布的最大似然估计和贝叶斯估计。
2017-07-23 math.ST stat.TH
Parametric Estimation for Processes Driven by Infinite Dimensional Mixed Fractional Brownian Motion
Mishura(2008)和Prakasa Rao(2010)等研究了分数布朗运动驱动的随机过程的参数和非参数推断。Prakasa Rao(2004,2013),Cialenco(2009)等人研究了无穷维分数布朗运动驱动过程的类似问题。讨论了无穷维混合分数布朗运动驱动过程的参数估计问题。
2021-03-09 math.PR math.ST stat.TH
Parameter estimations for SPDEs with multiplicative fractional noise
研究了分数阶乘性噪声驱动的可对角化随机偏微分方程的参数估计问题,其中参数为任意Hurst参数$H\in(0,1)$。研究了两类估计:传统的极大似然型估计和一类新的闭型精确估计。最后将一般结果应用于分数阶布朗运动驱动的随机热方程。
2010-05-26 math.PR math.ST stat.TH
Adaptive estimation of the stationary density of a stochastic differential equation driven by a fractional Brownian motion
我们建立和研究了一个数据驱动的程序估计的平稳密度f的一个加性分数阶。为此,我们还证明了一些新的浓度界的离散观测这样的动态在平稳制度。
2020-03-11 math.PR math.ST stat.TH
Minimum $L_1$-norm estimation for fractional Ornstein-Uhlenbeck type process driven by a Hermite process
CR Rao Advanced Institute of Mathematics, Statistics and Computer Science(C.R. Rao 数学、统计与计算机科学高级研究所)
本文研究了由赫尔梅特过程驱动的分数奥尼施-乌伦贝克过程的漂移参数最小L1范数估计的渐近性质。
2025-11-22 math.PR math.ST stat.TH
Parameter estimation for fractional autoregressive process with periodic structure
本文提出由分数高斯噪声驱动的周期分数自回归过程(PFAR)以建模降水蒸散发,结合GLSE和GPH方法构建初始估计并经One-Step程序优化,证明了估计量的一致性与渐近正态性。
2025-09-14 math.ST stat.TH
Hurst index estimation in stochastic differential equations driven by fractional Brownian motion
研究了由可加分数阶布朗运动驱动的随机微分方程解的Hurst指数估计问题。使用Malliavin演算的技术,我们分析了通过高阶增量定义的解的二次变化的渐近行为。然后,我们应用我们的结果来构建和研究赫斯特指数的估计。
2019-03-06 math.PR math.ST stat.TH
Estimation for seasonal fractional ARIMA with stable innovations via the empirical characteristic function method
最大似然法虽然被广泛使用,但由于模型所依据的假设与观测数据的真实密度概率分布之间的不一致,可能是不稳健的。由于经验特征函数是经验分布函数的傅里叶变换,因此它保留了样本中的所有信息,但可以克服似然带来的困难。本文讨论了稳定季节分数ARIMA过程的ECF估计方法。在一定的假设下,我们证明了所得到的估计是一致的,渐近正态分布。为了比较的目的,我们还考虑了Ndongo等人(2010)开发的MCMC Whittle方法。这两种方法的性能进行了讨论,使用Monte Carlo模拟。
2012-12-12 math.ST stat.TH
Parameter estimation for fractional birth and fractional death processes
分数出生和分数死亡过程在实际应用中比经典过程更受欢迎,因为它们在建模增长和减少系统时自然提供了更大的灵活性。在本文中,我们提出了正式的参数估计程序的分数Yule,分数线性死亡,分数次线性死亡过程。该方法使用所有可用的数据可能,计算简单,渐近无偏。这些程序利用了随机出生间隔和死亡间隔时间的自然结构,这些时间是独立的,但不是同分布的。我们还展示了这些方法如何应用于具有更一般出生率和死亡率的某些模型。计算测试表明,我们提出的方法,即使相对较小的样本量的有利结果。所提出的方法也说明了使用分支时间的plethodontid蝾螈数据的\cite{hal79}。
2013-03-26 math.PR math.ST stat.TH
Parameter estimation for generalized mixed fractional stochastic heat equation
针对含广义混合分数布朗噪声的随机热方程,本文分析解的协方差、平稳性与渐近界,并基于离散观测构造参数估计量且研究其渐近性质。
2025-03-17 math.PR math.ST stat.TH
A least square-type procedure for parameter estimation in stochastic differential equations with additive fractional noise
研究了Hurst参数H>1/2的加性分数阶噪声下随机微分方程漂移系数中未知参数的最小二乘估计。该估计是基于离散时间观测的随机微分方程,并利用遍历论和随机分析的工具,我们得到了它的强相合性。
2011-11-08 math.PR math.ST stat.TH
Exact local Whittle estimation of fractional integration
一个确切的形式的本地Whittle似然研究的目的是开发一个通用的估计过程的记忆参数(d),不依赖于锥形或差分预滤波器。结果表明,如果优化覆盖的区间宽度小于{9/2},且过程的初始值已知,则所得到的精确局部Whittle估计是一致的,且对所有d值具有相同的N(0,{1/4})极限分布.
2005-08-16 math.ST stat.TH
A general drift estimation procedure for stochastic differential equations with additive fractional noise
本文考虑了由可加的多维分数布朗运动驱动的一般微分方程的漂移估计问题.我们的估计过程是基于不变测度的识别,我们提供了一致性的结果,以及一些信息的收敛速度。我们还给出了一些例子的系数,其中的可识别性假设的不变测度是满意的。
2020-03-06 math.PR math.ST stat.TH
Estimation Of all parameters in the Fractional Ornstein-Uhlenbeck model under discrete observations
设分数布朗运动$B^{H }$驱动的Ornstein-Uhlenbeck过程$(X_t)_{t\ge0}$在离散时刻$t_k=kh$,$k=0, 1, 2, \cdots, 2n+2 $被观测到,由$dX_t = -θX_t dt + σdB_t^{H }$描述.本文提出了遍历型统计估计量$\hat θ_n $、$\hat H_n $和$\hat σ_n $,用于同时估计上述Ornstein-Uhlenbeck模型中的所有参数$θ$、$H $和$σ$.证明了估计量的强相合性和收敛速度。步长$h$可以任意固定,并且不会被迫变为零,这通常是现实。使用的工具是广义矩方法(通过遍历定理)和Malliavin演算。
2020-04-10 math.ST stat.TH
Parameter estimation and long-range dependence of the fractional binomial process
本文针对分数二项过程(FBP)展开研究,分析其二阶性质与长程行为,采用矩估计法进行参数估计,并给出模拟样本路径及对应算法,完善了该分数推广过程的理论与实现基础。
2024-05-14 math.ST stat.TH
Parameter estimation for the discretely observed fractional Ornstein-Uhlenbeck process and the Yuima R package
本文对离散观测的分数阶Ornstein-Uhlenbeck过程的漂移、扩散系数和Hurst指数给出了相合的渐近高斯估计。对于漂移的估计,仅在1/2 < H < 3/4的情况下才得到结果。本文还提供了基于YUIMA包的R统计环境的现成软件。
2011-12-16 math.ST stat.CO stat.OT
Asymptotic accuracy in estimation of a fractional signal in a small white noise
本文重新讨论了在具有小强度白噪声的线性信道中观测到的分数阶Ornstein - Uhlenbeck过程的估计问题。我们驱动的滤波和插值估计的均方误差的精确渐近公式。渐近分析是基于信号的协方差算子的特征值和特征函数的近似。
2022-05-19 math.PR math.SP math.ST
Parameter estimation for alpha-fractional bridges
令α,T>0。本文研究了分数阶桥的参数α的最小二乘估计的渐近性质,定义为dX_t=-alpha*X_t/(T-t)dt+dB_t,t在[0,T)中,其中B是Hurst指数H>1/2的分数阶布朗运动.根据α的值,我们证明了当t趋于T时,我们可能具有强一致性或不具有强一致性。当我们有一致性时,我们也得到了这种收敛的速度。此外,我们比较我们的结果(已知)的情况下,B是由一个标准的布朗运动W。
2013-08-03 math.PR math.ST stat.TH
Tempered fractional Brownian motion: wavelet estimation, modeling and testing
Davenport谱是经典Kolmogorov谱的修正,用于解释非标度低频行为的湍流惯性范围。与经典的分数布朗运动与柯尔莫哥洛夫谱一样,回火分数布朗运动(tfBm)也是一个具有达文波特谱的正则模型。tfBm的增量的自相关显示半长范围的依赖性(双曲线和准指数衰减在中等和大尺度,分别),已观察到的现象,在广泛的应用范围从风速到物理学金融。在本文中,我们使用小波构造的第一个估计方法tfBm和一个简单的和计算有效的测试fBm与tfBm的替代品。小波估计和测试的性质是数学和计算建立。地球物理流量数据的分析方法的应用表明,tfBm提供了一个更紧密的配合比fBm。
2018-08-15 math.PR math.ST stat.TH
Wavelet estimation for operator fractional Brownian motion
算子分数布朗运动(OFBM)是一元分数布朗运动的自然向量值推广。OFBM的定律不是标量参数,而是根据影响过程每个组成部分的Hurst矩阵进行缩放。本文研究了OFBM的小波分析,并提出了二元OFBM的Hurst矩阵的新估计。对于OFBM,分析小波谱作为(小波)尺度的函数的入口行为的单变量启发的方法充满了来自幂律的混合物的困难。所提出的方法包括考虑沿尺度的小波谱的特征结构的演变。这表明,产生一致的和渐近正常估计的赫斯特特征值,也是坐标系本身的假设下。模拟研究表明,在有限的样本量下的估计良好的性能。
2015-09-15 math.PR math.ST stat.TH
Optimal Sampling for Estimation of Fractional Brownian Motion
本文在非马尔可夫框架下研究采样次数受限时分数布朗运动估计的最优采样问题,提出确定性方案和水平触发方案,并通过最小化累计平方误差失真证明最优策略依赖于过程的相关性结构。
2023-04-16 math.PR math.ST stat.ME