Jump activity estimation for pure-jump semimartingales via self-normalized statistics
我们从一个固定时间间隔上的离散观测得到了一个“局部稳定”的纯跳Itô半鞅的跳活动指数$β$的非参数估计,其中观测网格的网格收缩为零.该估计器基于由局部功率变化缩放的过程的增量的经验特征函数,该局部功率变化由跨越要缩放的增量之前的收缩时间间隔的增量块形成。缩放服务于两个目的:(1)其控制跳跃补偿器中在零附近的时间变化,以及(2)其确保自归一化,即,基于特征函数的估计器的极限收敛到仅取决于$β$的非退化极限。建议的估计导致非平凡的效率增益超过现有的估计的基础上的功率变化。在Lévy情况下,对于较高的$β$值,渐近方差降低多次。与现有的基于功率变分的估计器不同,所提出的估计器的极限渐近方差是恒定的。这导致进一步的效率增益的情况下,当半鞅的特征是随机的。最后,在极限情况下的$β=2$,这对应于跳跃扩散,我们的估计$β$可以实现更快的速度比现有的估计。
2015-08-18 math.ST stat.TH
Truncated Marginal Neural Ratio Estimation
University of Amsterdam(阿姆斯特丹大学);University of Liège(列日大学)
参数随机模拟器在科学中无处不在,通常具有高维输入参数和/或难以处理的可能性。在这种情况下执行贝叶斯参数推断可能具有挑战性。我们提出了一个基于神经模拟的推理算法,同时提供模拟效率和快速的经验后验可测性,这是现代算法中唯一的。我们的方法是模拟效率,同时估计低维的边缘后验,而不是联合后验,并通过提出模拟目标的观察感兴趣的通过事先适当截断的指标函数。此外,通过估计局部摊销后,我们的算法使有效的经验测试的推理结果的鲁棒性。由于科学家无法获得基本事实,这些测试对于在现实世界中的应用中信任推理是必要的。我们进行实验的边缘化版本的基于模拟的推理基准和两个复杂的和狭窄的后验,突出了我们的算法的模拟器效率以及估计的边缘后验的质量。
2021-10-26 astro-ph.IM cs.LG hep-ph
Glivenko--Cantelli Theorems for Integrated Volatility Functionals in Pure-Jump Semimartingales with an Application to Cryptocurrency Markets
School of Economics, Singapore Management University(新加坡管理大学经济管理学院)
本文提出两步估计法,用于纯跳跃半鞅中积分波动率泛函的一致估计,建立Glivenko--Cantelli型收敛性,并应用于加密货币市场。
2026-09-09 math.ST stat.TH
$k$-means as a variational EM approximation of Gaussian mixture models
我们表明,$k$ -手段(劳埃德算法)时,截断变分EM近似应用于高斯混合模型(GMM)与各向同性高斯作为一个特例。与关联$k$ -均值和GARCH的标准方法相反,所提供的推导表明,不需要考虑具有小方差的高斯或零方差的极限情况。从我们的方法中直接得出许多结果:(A)$k$ -均值可以被示出为增加与截尾分布相关联的自由能,并且该自由能可以根据$k$ -均值目标直接重新公式化;(B)除了仅考虑最接近的一个之外,还可以通过考虑第二最接近、第三最接近等聚类来直接导出$k$ -均值泛化;以及(C)将$k$ -均值嵌入到自由能框架中允许对文献中的其它$k$ -均值推广的理论解释。在一般情况下,截断变分EM提供了一个自然的和严格的定量之间的联系$k$的均值聚类和GMM聚类算法,这可能是非常相关的未来的理论和实证研究。
2019-06-06 stat.ML
Estimation of integrated covariances in the simultaneous presence of nonsynchronicity, microstructure noise and jumps
我们提出了一个新的估计的集成协方差的两个伊藤半鞅观察到的高频。这种新的估计,我们称之为预平均截断Hayashi-Yoshida估计,使我们能够分离的总二次协方差的联合跳跃的总和,即使在两个过程的采样方案是不同步的,观测数据被一些噪声污染的情况下。它是第一个可以同时处理这三个问题的估计量,这三个问题是高频金融数据实证研究的基础。在允许有限变差的无限活动跳过程、采样时间与观测过程之间的某种依赖关系以及观测误差具有内生性的条件下,证明了该估计的渐近混合正态性.我们研究有限样本的性能,这个估计使用Monte Carlo研究。
2013-05-06 math.ST stat.TH
Scale-Location-Truncated Beta Regression: Expanding Beta Regression to Accommodate 0 and 1
针对标准 beta 回归无法处理边界值 0 和 1 的问题,提出 SLTB 回归模型,通过尺度-位置变换和截断赋予边界值有限质量,并在最大似然和贝叶斯框架下验证了其优于现有方法的灵活性与广泛适用性。
2025-09-16 stat.ME
On the estimation of the jump activity index in the case of random observation times
我们提出了一个非参数估计的跳跃活动指数$β$的纯跳跃半鞅$X$驱动的$β$稳定过程时,潜在的观察是来自一个高频设置在不规则的时间。建议的估计是基于一个经验的特征函数,使用重新缩放的增量$X$,与限制,这取决于在一个复杂的方式上的$β$和分布的抽样方案。利用渐近展开,我们得到了一个一致的估计$β$,并证明了相关的中心极限定理。
2022-06-23 math.ST stat.TH
Scalable methods for Bayesian selective inference
沿着Panigrahi(2016)中的截断方法建模,贝叶斯机制中的选择调整推理基于选择性后验。这样的后验是由施加在数据上的生成模型和强制截断假定定律的选择事件共同确定的。选择性后验和通常的贝叶斯框架之间的有效差异反映在使用截断的可能性。在调整后的框架中截断定律的归一化是选择事件的概率;这通常是棘手的,并且它导致从这样的后验样本中的计算瓶颈。目前的工作奠定了解决近似优化问题的原始-对偶方法,提供有效的后选择贝叶斯推断。选择过程构成的数据查询,解决了一个随机版本的凸学习程序,其优点是保留更多的剩余信息进行推理。我们提出了一个随机化方案下的优化具有可分离的约束,导致在一个部分可分离的目标,在较低的维度为许多常用的选择性查询,以近似,否则难以处理的选择性后验。我们表明,近似优化下的高斯随机化给出了一个有效的指数衰减率的选择概率在一个大的偏差规模。我们提供了一个原始-对偶方法来解决导致近似后验的优化问题,这使我们能够利用贝叶斯机制在低维和高维机制中的通常优点,其中底层信号是有效稀疏的。我们表明,调整后的估计经验表现出更好的频率属性相比,未调整的估计的基础上通常的后验,当应用到广泛的约束,凸数据查询。
2017-09-11 stat.ME
Nonparametric inference of gradual changes in the jump behaviour of time-continuous processes
在应用中,随机特征的性质通常是逐渐变化的,而不是突然变化的,也就是说:经过一段时间的恒定相位后,它们开始慢慢变化。在本文中,我们讨论了统计推断的检测和局部化的逐步变化的跳跃特征的离散观察伊藤半鞅。我们提出了一个新的措施的时间变化的跳跃行为的过程。相应的估计的统计不确定性进行了分析,推导出新的结果的弱收敛的序列经验尾积分过程和相应的乘子自助程序。
2017-04-13 math.ST stat.TH
Weighted and Truncated Tail Index Estimation under Random Censoring: A Unified Full-Range Framework
Laboratory of Applied Mathematics, Mohamed Khider University(应用数学实验室,穆罕默德·基德尔大学)
本文提出一种统一的全范围框架,通过带权和截断Nelson-Aalen尾经验过程,构建了一类带调参参数的积分估计器,解决了传统方法在强删失情况下无法应用的问题,实现了从弱删失到强删失的渐近结构恢复。
2026-05-13 math.ST stat.TH
Scalable computation of predictive probabilities in probit models with Gaussian process priors
二进制数据的预测模型是各个领域的基础,并且现代应用的日益复杂性激发了几种灵活的规范来建模所观察到的预测因子和二进制响应之间的关系。一个广泛实施的解决方案是通过预测指标索引的高斯过程的概率比特映射来表达概率参数。然而,与连续设置不同,在具有高斯过程先验的二元模型中,缺乏预测分布的封闭形式结果。马尔可夫链蒙特卡罗方法和近似策略为这个问题提供了常见的解决方案,但最先进的算法要么计算上难以处理,要么在中高维中不准确。在这篇文章中,我们的目标是通过推导概率单位高斯过程中的预测概率的封闭形式表达式来弥补这一差距,该过程依赖于多元高斯的累积分布函数或多元截断法线的泛函。为了评估这些数量,我们开发了新的可扩展的解决方案的基础上瓷砖低秩蒙特卡罗方法计算多元高斯概率,和平均场变分近似的多元截断法线。封闭形式的表达式的边缘似然和后验分布的高斯过程进行了讨论。如模拟和真实世界的实证研究所示,所提出的方法可扩展到最先进的解决方案不切实际的维度。
2022-01-27 stat.CO
A New Approach of Point Estimation from Truncated or Grouped and Censored Data
本文提出了一种估计概率分布参数的新方法。它包括结合两种新的估计方法。第一个是基于一个新的距离的定义测量之间的差异的变化的两个分布在有限数量的点,从他们的支持和使用这种措施的估计目的的最小距离的方法。对于第二种方法,给定一个经验离散分布,我们建立了一个辅助离散理论分布,它具有与第一种方法相同的支持度,并且依赖于经验分布所源自的数据的父分布的相同参数。然后,我们用通常的统计方法从经验分布中估计参数。在实践中,我们建议计算两个估计,第二个基于已知理论性质的极大似然原理,第一个是作为所获得的估计的有效性的控制,并且为此我们证明了概率依概率收敛,因此我们也有一个标准的观测中包含的信息的质量。我们将该方法应用于截断或分组和删失数据的情况下,给味道的方法的有效性。我们也给出了一些有趣的观点的方法,包括从截断数据的模型选择,估计的初始试验值的情况下,截断和合并的正态总体的庆祝期望最大化算法,一个测试的拟合优度的基础上的新的距离,估计和数据的质量。
2008-12-29 math.PR math.ST stat.ME
A CLT for second difference estimators with an application to volatility and intensity
本文介绍了一个或多个连续时间半鞅点参数过程的二次协变估计的一般方法。该估计器适用于各种现货参数过程,也可用于估计随机波动率模型的杠杆效应。我们介绍的估计量是基于所观察到的过程的第二个差异的平方增量的总和,并且计算差异的间隔是滚动和重叠的。后一个特征使我们能够充分利用数据,并且从充分性考虑,应该优于仅基于观察窗口的一个分区的估计。本文的主要结果是这类三角形阵列滚动二次变分的中心极限定理。我们强调了这一定理的广泛适用性,展示了它如何可能被应用到一个新的杠杆效应估计。然而,本研究的主要动机是,连续时间半鞅被观察到的离散时间可能取决于可观察过程的特征,而不是其水平,例如其(不可观察的)现货波动率过程。作为我们的估计的主要应用程序,因此,我们展示了它如何可以用来估计现货波动率过程和强度过程的观测时间之间的二次协变,当这两个都采取了半鞅。通过模拟实验研究了该估计量的有限样本性质,并将其应用于苹果股票的实证分析。我们对苹果股票的分析表明,对数价格过程的现货波动率过程与该股票交易的时间(因此观察到)之间存在相当强的相关性。
2020-11-25 math.ST stat.ME stat.TH
Nonparametric estimation of multivariate distribution function for truncated and censored lifetime data
已经考虑了用于生成包括人寿保险、养恤金和一般保险在内的各个保险领域的统计数据的若干模型。研究表明,保险统计数据通常是截尾和删失的,而且往往是多变量的。我们提出了准经验分布形式的多元截尾数据的分布函数的非参数估计及其构造的简单迭代算法。为了检验截断删失数据分布函数估计的准确性,进行了模拟研究,结果表明该方法具有较高的效率。多年来,审咨委公司集团在根据《国际会计准则》第19号雇员福利对公司社会负债进行精算估值时对拟议估计数进行了检验。除了保险,一些工作成果可以使用,例如在医学,生物学,人口学,可靠性的数学理论等。
2019-04-13 math.ST q-bio.QM stat.ME
Efficient estimation of integrated volatility in presence of infinite variation jumps
我们提出了一个新的非参数估计的积分波动率的Itô半鞅观察离散时间在一个固定的时间间隔与网格的观察网格收缩到零。建议的估计实现最优的速率和方差估计综合波动率,即使在存在无限变化的跳跃时,后者是随机积分相对于局部“稳定”的Lévy过程,也就是说,过程的Lévy措施在零附近的行为像一个稳定的过程。第一步,我们估计局部波动率的经验特征函数的过程中的增量块的收缩长度,然后我们把这些估计,形成初始估计的综合波动率。的估计包含偏见时,跳跃的无限变化是存在的,并在第二步,我们估计和消除这种偏见,通过使用综合波动率估计形成的经验特征函数的高频增量为不同的值,其参数。第二步去偏估计是有效的,我们得到了一个可行的中心极限定理。
2014-05-29 math.ST stat.TH
A Distribution Free Truncated Kernel Ridge Regression Estimator and Related Spectral Analyses
众所周知,核岭回归(KRR)是一种流行的非参数回归估计量。尽管如此,在存在大小为$n\gg 1,$的大数据集的情况下,KRR估计器具有需要密集计算负载的缺点。最近,可扩展的KRR方法已经被提出,其目的是降低KRR的计算复杂度,同时保持其出色的收敛速度。在这项工作中,我们研究了一个新的可扩展的KRR为基础的方法非参数回归。我们的截断核岭回归(TKRR)方法是简单的。它是基于取代全$n\times n$随机内核或革兰氏矩阵$B_n,$与美世的内核$\mathbb K,$由其主要的$n\times N$子矩阵$A_N,$,其中通常$N \ll n.$此外,我们表明,TKRR工程与$d-$维随机抽样数据以下一个未知的概率定律。为此,我们给出了一个谱分析的紧核积分算子,与一个概率测度,不同于其通常的概率测度。然后将这种衰减估计扩展到相关随机Gram矩阵的迹的尾部的衰减。一个特别的兴趣是致力于开发规则的最佳选择所涉及的截断阶$N$和正则化参数$λ>0.$的值所提出的规则是基于行为和衰减率的频谱的正积分算子,与内核$\mathbb K.$这些最佳值的参数确保在经验风险误差,TKRR和完全KRR估计具有相同的最优收敛速度。最后,我们为读者提供了一些数值模拟,说明我们提出的TKRR估计的性能。
2023-01-17 math.ST stat.TH
Robust estimations for the tail index of Weibull-type distribution
基于适当的左截尾或截尾数据,提出了Weibull尾系数的两类灵活的$M$ -估计,并增加了两个限制极端污染影响的参数.得到了具有$\sqrt {n}$ -收敛速率的渐近正态性。通过渐近相对效率和影响函数讨论了该算法的鲁棒性。小规模的模拟和CRIX的实证研究进一步证明了这一点。
2018-10-17 math.ST stat.TH
Model-Free Approaches to Discern Non-Stationary Microstructure Noise and Time-Varying Liquidity in High-Frequency Data
本文利用非参数统计工具检验了一般隐Ito半鞅中微观结构噪声的平稳性,并讨论了如何利用高频金融数据度量流动性风险。特别是,我们研究了非平稳微观结构噪声对一些波动率估计的影响,并设计了三个互补的测试,利用边缘效应,局部估计的信息聚合和高频渐近逼近。在平稳和非平稳假设下,这些检验的渐近分布都是可用的,从而使我们能够保守地控制I型误差,同时确保所提出的检验具有渐近最优的统计功效。此外,它也使我们能够经验地衡量总的流动性风险,通过这些测试统计量。作为副产品,功能相关性和内源性微结构噪声进行了简要讨论。仿真结果与理论分析结果相吻合,实证研究表明纽约证券交易所存在非平稳的微观结构噪声。
2018-10-10 math.ST q-fin.ST stat.ME
Testing for jumps in processes with integral fractional part and jump-robust inference on the Hurst exponent
针对含跳跃的分数过程,提出基于高频数据的跳跃检验,证明统计量渐近服从Gumbel分布,并实现Hurst指数的跳跃稳健推断。
2024-05-13 math.ST stat.TH
Gaussian and Bootstrap Approximations for Suprema of Empirical Processes
本文提出经验过程上确界分布的非渐近高斯逼近与基于截断Karhunen-Loève分解的Bootstrap方法,适用于非Donsker类且条件更简单,并成功应用于高维统计中的三个基本推断问题。
2023-09-04 math.PR math.ST stat.ME
A Wasserstein distance approach for concentration of empirical risk estimates
Indian Institute of Technology Madras(印度理工学院马德拉斯分校);Tata Consultancy Services Limited(塔塔咨询服务有限公司)
本文提出了一种统一的方法,基于Wasserstein距离来获得集中的经验估计的两大类风险措施的文件中定义的界限。引入的风险措施的类包括作为特殊情况下,众所周知的风险措施,从金融文献,如条件风险价值(CVaR),优化确定性等效风险,频谱风险措施,基于效用的短缺风险,累积前景理论(CPT)值,排名依赖预期效用和扭曲的风险措施。两个估计方案被认为是,一类风险措施。一种估计方案涉及将风险度量应用于由i.i.d.的集合形成的经验分布函数。随机变量(r.v.)的样本,而第二方案涉及将相同的过程应用于截尾样本。所提供的界限适用于三种流行的分布类型,即亚高斯分布、亚指数分布和重尾分布。的界限是由第一个相关的估计误差的真实和经验的分布之间的Wasserstein距离,然后使用最近的浓度范围为后者。以前的集中度界限仅适用于特定的风险度量,如CVaR和CPT值。在本文中推导出的界限,以匹配或改进以前的界限的情况下,他们是可用的。通过一个算法和相应的遗憾界的随机强盗问题,涉及一般的风险措施,从每一个文件中介绍的两个类的界限的有用性。
2022-05-10 cs.LG math.ST stat.ML