Maximum Likelihood Estimation for Conditionally Heteroscedastic Models when the Innovation Process is in the Domain of Attraction of a Stable Law
本文证明了一般条件异方差模型参数的极大似然估计的强相合性和渐近正态性,该模型具有$α$稳定的新息。然后,我们放宽假设,只假设创新过程在分布上收敛于一个稳定的过程。利用具有稳定密度的伪极大似然估计,得到了估计的强相合性和渐近正态性。这一框架似乎适用于表现出厚尾的金融数据。我们将此方法应用于几个金融指标,并计算稳定的风险价值。
2012-12-28 math.ST stat.TH
Estimation of the Hurst and the stability indices of a $H$-self-similar stable process
本文对H-自相似稳定过程的Hurst指数和稳定指数进行了估计。更精确地说,设$X$是一个$H$ -sssi(自相似平稳增量)对称$α$ -稳定过程.在点$\frac{k}{n}$、$k=0,\ldots,n$观察到过程$X$。我们的估计是基于$β$ -与$-\frac{1}{2}<β<0$的变化。我们得到了几个经典的$H$ -sssi $α$ -稳定过程(分数布朗运动,平衡线性分数稳定运动,Takenaka过程,Lévy运动)的相合估计及其收敛速度.此外,我们还得到了分数布朗运动和Lévy运动估计的渐近正态性。关键词:H-sssi过程;稳定过程;自相似参数估计;稳定参数估计。
2017-10-18 math.ST stat.TH
Estimation of the characteristic exponent of stable laws
本文提出了一种估计稳定律特征参数$α$的统计算法,并得到了其二次偏差的估计。该算法被应用于描述等离子体弦边缘区域的涨落感应通量。
2013-11-27 math.ST physics.plasm-ph stat.TH
Volatility and jump activity estimation in a stable Cox-Ingersoll-Ross model
本文研究 $α$-stable CIR 模型中波动率与跳跃活动度的参数估计,扩展 Mies (2020) 方法实现波动率、尺度与跳跃活动度参数的联合估计,并证明该估计量在对数因子内达到速率最优。
2024-07-31 math.ST stat.TH
Censoring heavy-tail count distributions for parameter estimation with an application to stable distributions
ETH Zurich(苏黎世联邦理工学院);Università della Svizzera italiana(瑞士意大利语大学);University of Siena(锡耶纳大学);Italian Naval Academy(意大利海军学院)
针对概率生成函数已知但概率质量函数无闭式或有限矩不存在的重尾计数分布,提出基于删失与矩准则的参数估计新方法,并可应用于稳定分布。
2024-09-16 math.ST stat.TH
One-Step R-Estimation in Linear Models with Stable Errors
线性模型的经典估计技术要么是不一致的,或执行相当差,下$α$稳定的误差密度,他们中的大多数甚至不是率最优的。本文提出了一种新颖的一步R-估计方法,并研究了其在稳定密度下的渐近性能。与传统的最小二乘方法不同,本文提出的R-估计量在整个稳定分布族下保持根- $n$一致(最优速率),而不考虑其不对称性和尾部指数.虽然由于缺乏稳定密度的封闭形式,参数稳定似然估计非常麻烦,但我们的方法允许我们构建达到与尾部指数$α$和偏度参数$b$的任何规定值$(α_0, \ b_0)$相关的参数效率界限的估计量,同时保持根- $n$一致性在任何$(α, \ b)$以及通常的轻尾密度下。该方法还避免了所有形式的多维argmin计算。仿真结果证实了其优良的有限样本性能。
2012-10-18 math.ST stat.ME stat.TH
Estimation of the multifractional function and the stability index of linear multifractional stable processes
在本文中,我们感兴趣的多分数稳定过程的自相似性指数$H$是一个时间的函数,换句话说,$H$成为时变的,和稳定性指数$α$是一个常数。使用$β$ -负幂变分($-1/2<β<0$),我们提出了估计的值的多分数函数$H$在一个固定的时间$t_0$和$α$的两种情况下:多分数布朗运动($α=2$)和线性多分数稳定运动($0<α<2$)。我们得到了我们的估计的一致性与收敛速率的基础过程。
2017-11-22 math.ST stat.TH
On estimation of skewed stable linear regression
针对偏斜稳定误差的线性回归,提出两阶段估计法:差分后使用柯西拟极大似然估计回归系数,再基于残差矩估计稳定参数,计算高效且可作极大似然优化的初值。
2025-06-24 math.ST stat.TH
LAD estimation of locally stable SDE
Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学);Graduate School of Mathematical Sciences, University of Tokyo(东京大学大学院数理科学研究科)
本文研究了高频率观测下局部α-稳定随机微分方程LAD估计的渐近混合正态性,探讨了ergodic和non-ergodic情况,提出了一种无需数值积分的显式目标函数,具有计算优势。
2026-03-30 math.ST stat.TH
Nonparametric estimation of the kernel function of symmetric stable moving average random functions
我们估计的核函数的对称α稳定($SαS$)移动平均随机函数,这是观察到的一个规则的网格上的点。建议的估计依赖于经验归一化(平滑)周期图。当网格网格步长趋于零时,同时观测视界趋于无穷大(高频观测)时,对于正定核函数,该方法是弱相合的。仿真研究表明,当滑动平均随机函数的积分测度为$SαS$时,该估计器在有限样本量下具有良好的估计性能,并且对于其它一些无穷可分的积分器也具有良好的估计性能.
2019-08-20 math.ST stat.TH
Non-Gaussian quasi-likelihood estimation of SDE driven by locally stable Lévy process
本文研究了一个纯跳Lévy驱动的单变量随机微分方程模型的参数系数估计问题。从之前的研究Masuda(2013)中可以看出,采用传统的高斯拟最大似然估计量会导致不一致的估计量。在驱动Lévy过程局部稳定的假设下,通过引入一种新的基于未知转移密度的小时间稳定近似的拟似然函数,将Gaussian框架推广到非Gaussian框架.结果表明,对于大范围的驱动纯跳Lévy过程,该估计量是渐近混合正态分布的,没有遍历性和有限矩,与高斯拟极大似然估计量相比,具有更好的理论性能.进行了大量的模拟,以显示良好的估计精度。在遍历性下的大时间渐近性的情况也被简单地提到,在那里我们可以推导出类似的渐近正态性结果。
2018-04-17 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
Bounds for the covariance of functions of infinite variance stable random variables with applications to central limit theorems and wavelet-based estimation
我们建立了一大类无穷方差稳定随机变量的函数的协方差的界,包括无界函数,如幂函数和对数。这些界限涉及的措施之间的依赖稳定的变量,其中一些是新的。利用该界还推导了稳定滑动平均时间序列的无界函数的中心极限定理。这个结果推广了Tailen Hsing和作者关于稳定移动平均线的有界函数的中心极限定理的早期结果。它可以用来证明分数阶稳定运动中自相似参数的小波估计的渐近正态性。
2007-11-28 math.ST stat.TH
Trigonometrically approximated maximum likelihood estimation for stable law
提出了$α$ -稳定律的三角近似极大似然估计.该估计量求解近似的似然方程,该似然方程是通过将真实得分函数投影到由三角函数构成的空间上而获得的。投影得分仅由特征函数的实部和虚部及其导数表示,从而可以明确地构造目标估计方程。我们研究了所提出的估计量的渐近性质,并证明了该估计量的相合性和渐近正态性。此外,随着三角函数数目的增加,估计量收敛到精确的最大似然估计量,在这个意义上,它们具有相同的渐近律。仿真研究表明,该估计优于其它矩型估计,其标准差几乎达到Cramér-Rao下界.我们应用我们的方法估计问题的$α$稳定的Ornstein-Uhlenbeck过程在高频设置。所得结果证明了渐近混合正态性理论。
2022-09-19 math.ST stat.TH
Regression estimation from an individual stable sequence
我们考虑从一个单独的(非随机)序列$(x_1,y_1),(x_2,y_2), ... \in \real \times \real$,这是稳定的意义上,对于每个间隔$A \subseteq \real$,(i)下的极限相对频率$A$ $x_1, x_2, ...$是由一个未知的概率分布$μ$,和(ii)的极限平均值的那些$y_i$与$x_i \in A$是由一个未知的回归函数$m(\cdot)$。一个计算简单的计划,估计$m(\cdot)$展示,并示出$L_2$一致的稳定序列$\{(x_i,y_i)\}$,使$\{y_i\}$有界,并有一个已知的上限的变化$m(\cdot)$的间隔的形式$(-i,i]$,$i \geq 1$。作为对这一结果的补充,证明了对于回归函数具有有限变差的稳定序列族,即使在$x_i \in [0,1]$和$y_i$是二值的限制下,也不存在相容的估计方案.
2007-10-12 cs.IT math.IT math.PR
Asymptotics of maximum likelihood estimation for stable law with continuous parameterization
在连续参数化条件下,研究了$α$ -稳定律的极大似然估计的渐近性.在整个参数空间的内部证明了其相合性和渐近正态性。虽然Zolotarev的$(B)$参数化已经提供了这些渐近性,但它们之间存在一些差距。特别是在后者,密度,使分数和它们的衍生物是不连续的$α=1$为$β\neq 0$和通常的渐近是不可能的。这对于应用来说是相当不方便的。通过证明这些量在连续形式下是光滑的,我们填补了两者之间的空白,并提供了一个方便的理论。我们在数值上近似柯西定律$(α,β)=(1,0)$周围的Fisher信息矩阵。结果在$α=1,\,β\neq 0$上具有连续性,保证了计算的准确性.
2019-02-28 math.ST stat.TH
Estimation of stability index for symmetric α-stable distribution using quantile conditional variance ratios
$α$ -稳定分布类在各种应用中有着广泛的应用,特别是对于重尾数据的建模。虽然$α$ -稳定分布已在实践中使用多年,但用于识别、测试和估计的新方法仍在改进,并且新方法正在被提出。新的统计方法的不断发展与现有算法的低效率有关,特别是当底层样本很小或底层分布接近高斯时。本文针对对称$α$ -稳定分布样本,提出了一种新的稳定指标估计算法。所提出的方法是基于分位数条件方差比。我们研究的统计特性,建议的估计程序和经验表明,我们的方法往往优于其他常用的估计算法。此外,我们表明,我们的统计提取独特的样本特征,可以与其他方法相结合,以完善现有的方法,通过ensamble方法。虽然我们的重点是对称的$α$稳定的情况下,我们证明,所考虑的统计是不敏感的偏度参数的变化,使我们的方法也可以用于一个更通用的框架。为了完整性,我们还展示了如何将我们的方法应用于与等离子体物理相关的真实数据。
2022-12-27 math.ST stat.ME stat.TH
Maximum likelihood estimation for $α$-stable autoregressive processes
我们考虑非高斯$α$稳定噪声下因果和非因果自回归时间序列过程的极大似然估计。给出了自回归模型方程参数和稳定噪声分布参数的极大似然估计的非退化极限分布。自回归参数的估计是$n^{1/α}$ -相容的,并且在分布上收敛于随机函数的最大值。这种极限分布的形式是棘手的,但这些估计量的分布形状可以使用自助程序进行检查。在一般条件下,自举法是渐近有效的。稳定噪声分布参数的估计量具有传统的$n^{1/2}$收敛速率且渐近正态。有限样本的估计的行为进行了研究,通过模拟,我们使用极大似然估计,以适应一个非因果自回归模型的自然对数的沃尔玛股票交易量在纽约证券交易所。
2009-08-13 math.ST stat.TH
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质,并提出了子抽样程序,以获得渐近正确的置信区间。仿真研究表明,所提出的方法适用于中等样本量,是强大的小偏离的基础模型。最后,我们应用此估计程序,在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明,并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
Uniformly and strongly consistent estimation for the Hurst function of a Linear Multifractional Stable Motion
自90年代中期以来,为了克服经典分数阶布朗运动模型的一些局限性,人们引入了多重分数阶过程。在它们的上下文中,Hurst参数变为H旧连续函数H(?)时间变量t。线性多分数稳定运动(LMSM)是其中最著名的一种重尾分布。一般来说,全局和局部样本路径粗糙度的多重分形过程是由它的参数$H(\cdot)$的值,因此,大约二十年来,一些作者一直感兴趣的统计估计,从离散的变化过程。由于变异的复杂相依结构,为了显示估计量的一致性,必须面对具有挑战性的问题。本文的主要目的是在对称α稳定的非预期移动平均LMSM模型的背景下,引入一种新的策略来处理这类问题,其中$α\in (1; 2)$。它在其他情况下也可能是有用的。与以前开发的策略相比,这种新的策略不需要寻找与变化泛函相关的协方差的尖锐估计。粗略地说,它包括以这样一种方式表达变化,即它们成为独立的随机变量,直到可以忽略不计。由于它,我们得到了全函数$H(\cdot)$的几乎必然和$L^p(Ω), p\in(0; 4]$相容的估计,它在t上一致收敛,甚至对某些H旧的规范。此外,我们得到的收敛速度的估计。这种强相合性导致了一致性和H旧的规范是相当不寻常的文献中的统计估计功能。
2015-05-28 math.PR math.ST stat.TH
Optimum design via I-divergence for stable estimation in generalized regression models
广义回归模型中参数估计的最优设计是基于Fisher信息矩阵的标准化设计(参见Atkinson et al(2014)最近的一次阐述)。相应的最优性准则与这类模型中极大似然(ML)估计的渐近性质有关。然而,在有限样本试验中,ML估计的可辨识性、稳定性和唯一性可能存在问题,而这些问题并不反映在信息矩阵中。在Pázman和Pronzato(2014)中讨论了如何在标准非线性回归的实验设计阶段解决这些可估计性问题。在这里,我们希望将这种设计方法扩展到基于指数分布族的更一般的模型(二项分布、泊松分布、具有参数化方差的正态分布等)。其主要工具是信息(或Kullback-Leibler)散度,它与ML估计密切相关。
2015-07-27 math.ST stat.TH
Continuous invertibility and stable QML estimation of the EGARCH(1,1) model
本文对随机递归方程驱动的波动模型引入了紧集上连续可逆性的概念。我们证明了强一致性的拟最大似然估计(QMLE)时,优化过程是在一个连续可逆的区域。该方法首次给出了Nelson在\cite{nelson:1991}中所使用的关于EGF-R(1,1)模型的QMLE在显式但不可观测条件下的强相合性.在实践中,我们建议稳定的QMLE约束的优化过程中的经验连续可逆域。新方法,称为稳定QMLE(SQMLE),是强一致的,当观测遵循一个可逆的EGM(1,1)模型。在附加的极小假设下,我们也给出了SQMLE的渐近正态性。
2013-01-07 math.ST stat.TH
A note on estimation of $α$-stable CARMA processes sampled at low frequencies
本文研究了等距采样对称$α$稳定CARMA过程的估计.模拟研究表明,Whittle估计量和Garc 'ıa等人(2011)提出的估计量是稳定CARMA过程参数的一致估计量。对于具有有限二阶矩的CARMA过程,Whittle估计是相合的且渐近正态分布。因此,在轻尾设置的CARMA过程的Whittle估计的性质是类似的ARMA过程的Whittle估计。然而,在本文中,我们证明,在一般情况下,对称$α$稳定的CARMA过程在低频率采样的惠特尔估计是不一致的,并强调为什么模拟研究表明别的东西。因此,与轻尾设置相比,重尾ARMA过程的Whittle估计的性质不能转移到重尾CARMA过程。我们也阐述了Garc 'ıa et al.(2011)中提出的估计量面临同样的问题。然而,稳定CAR(1)过程的Whittle估计是一致的。
2020-09-10 math.ST stat.TH
A semi-parametric estimation for max-mixture spatial processes
我们提出了一个半参数估计过程,以估计参数的最大混合模型和最大稳定模型(逆最大稳定模型)作为替代的复合似然。一个很好的估计所提出的估计需要的依赖措施,以检测所有的依赖结构的模型,特别是在处理最大混合模型。我们通过使用F-madogram克服了这一挑战。半参数估计是基于准最小二乘法,通过最小化理论F-madogram和经验之间的平方差。我们通过模拟研究评估了这种估计的性能。结果表明,平均而言,估计是执行良好的,虽然在某些情况下,它遇到了一些困难。我们应用我们的估计程序来模拟东澳大利亚的每日风暴。
2017-12-05 math.PR math.ST stat.TH
Kernel entropy estimation for long memory linear processes with infinite variance
设$X=\{X_n: n\in\mathbb{N}\}$是在$α$ -稳定律$(0<α<2)$吸引区域中具有新息的长记忆线性过程.假设线性过程$X$具有有界概率密度函数$f(x)$。然后,在一定条件下,利用核估计器\[ T_n(h_n)=\frac{2}{n(n-1)h_n}\sum_{1\leq j<i\leq n}K\left(\frac{X_i-X_j}{h_n}\right). \],研究了二次泛函$\int_{\mathbb{R}} f^2(x) \,dx$的估计问题.并对具有对称$α$ -稳定新息的长记忆线性过程进行了模拟研究.
2022-10-07 math.PR math.ST stat.TH
Efficient estimation of stable Levy process with symmetric jumps
本文研究高频观测下带漂移和对称跳跃的稳定 Lévy 过程的高效估计,证明似然局部渐近正态性,并提出基于矩估计初值的一步估计方法,其有限样本表现接近最大似然估计。
2025-08-18 math.ST stat.TH
Lag selection and estimation of stable parameters for multiple autoregressive processes through convex programming
Ruhr-Universität Bochum(波鸿鲁尔大学);UCLouvain(鲁汶大学)
高维时间序列由于其广泛的应用,已成为一个研究热点。特别是,几种方法和有限样本理论的个人稳定的自回归过程与已知的滞后已成为最近。相反,我们考虑多个稳定的自回归过程,共享一个未知的滞后。我们使用跨不同过程的信息来同时选择滞后和估计参数。我们证明了估计过程是稳定的,我们建立的预测误差率,可以超过我们的设置中的已知率。我们的见解的滞后选择和稳定性也感兴趣的情况下,个人自回归过程。
2023-03-03 cs.LG math.ST stat.ML
On discrete approximations of stable distributions
在稳定分布的某些应用领域中,特别是在经济学中,数据在大范围内具有类似于稳定的分布,但没有这样的厚尾。本文的目的是提出几种用可能具有不同尾部行为的离散分布逼近稳定分布的方法。在某种意义上,引入的分布形成了结合高斯和稳定行为的回火稳定分布的替代方案。
2014-03-14 math.PR math.ST stat.TH
Stochastic derivative estimation for max-stable random fields
我们认为预期的性能的基础上最大稳定的随机场,我们感兴趣的是他们的衍生物相对于这些领域的空间依赖参数。最大稳定场,如布朗-雷斯尼克场和史密斯场,在空间极值中非常流行。本文重点介绍了两种最流行的无偏随机导数估计方法:似然比方法(LRM)和无穷小扰动分析(IPA)。LRM要求最大稳定场的多元密度是显式的,IPA需要计算每个模拟值相对于参数的导数。我们提出了方便和易于处理的条件,确保LRM和IPA的有效性的情况下,布朗-Resnick和史密斯领域,分别。由于极大稳定场的结构,获得这样的条件是复杂的。然后,我们专注于风险和依赖的措施,这构成了几个框架,我们的理论结果可以是有用的。我们进行了模拟研究,结果表明,LRM和IPA在各种配置中表现良好,并提供了一个真正的案例研究,是有价值的保险业。
2020-11-03 math.ST q-fin.RM stat.ME
Stable Algorithms Lower Bounds for Estimation
Yale University(耶鲁大学)
本文研究了统计估计问题中稳定算法的下界,通过MMSE不稳定性条件揭示了稳定算法的失效,并展示了多项任务中低次多项式方法的局限性。
2026-03-23 cs.CC cs.DS math.ST
Linear Multifractional Stable Motion: wavelet estimation of $H(\cdot)$ and $\al$ parameters
Hurst参数$H$和稳定性参数$\al$的线性分数稳定运动(LFSM)是著名的高斯分数布朗运动(FBM)在重尾稳定分布\cite{SamTaq,EmMa}上的最经典的推广。为了克服其应用领域的一些限制,来自其增量的平稳性以及其自相似指数随时间的恒定性,Stoev和Taqqu在\cite{stoev2004stochastic}中引入了LFSM的扩展,称为线性多分数稳定运动(LMSM),其中Hurst参数变为依赖于时间变量$t$的函数$H(\cdot)$。与LFSM相似,LMSM的边缘分布的尾部重度由$\al$决定,在一定条件下,其自相似性由$H(\cdot)$决定,路径粗糙度与$H(\cdot)-1/\al$密切相关.也就是说,在\cite{stoev2004stochastic}中表明,$H(t_0)$是LMSM在时间$t_0\neq 0$上的自相似指数;此外,最近在\cite{hamonier2012lmsm}中建立了量$\min_{t\in I} H(t)-1/\al$和$H(t_0)-1/\al$,分别是LMSM在紧区间$I$上的均匀Hölder指数和在$t_0$上的局部Hölder指数。我们的文章的主要目标,是构建,使用LMSM的小波系数,强一致的(即几乎必然收敛)的统计估计$\min_{t\in I} H(t)$,$H(t_0)$,和$\al$ ;我们的估计结果,当$…
2013-04-10 math.ST stat.TH
Multivariate Mixed Tempered Stable Distribution
提出了混合回火稳定性的多元形式。它是正态方差均值混合的推广。研究了该分布的特征及其拟合尾部和捕捉组件间依赖结构的能力。我们讨论了一个随机数生成过程,并介绍了一种基于经验和理论特征函数之间的距离最小化的估计方法。在估计过程中利用了一元混合回火稳定的渐近尾部行为,以获得更好的模型拟合。通过模拟研究,讨论和说明了多元混合回火稳定分布的优点。
2016-10-01 math.ST q-fin.ST stat.TH
Parametric estimation of Lévy processes
本章的主要目的是介绍基于高频采样的Lévy过程参数估计的一些理论方面,重点是无限活动纯跳模型。讨论了几类显式估计函数的渐近性。除了在几种收敛速度下的渐近正态性外,还给出了统计随机场的一致尾概率估计。作为特例,我们更详细地讨论了稳定Lévy过程的矩量法,并简要地提到了局部稳定Lévy过程。还讨论了,由于其理论上的重要性,一个简单的回顾如何经典的似然方法的工作原理或不,超越的事实,即似然函数是不明确的。
2014-09-01 math.ST stat.TH
Non-ergodic statistics and spectral density estimation for stationary real harmonizable symmetric $α$-stable processes
针对非遍历的平稳实可调和对称 $α$-稳定过程,论文利用 LePage 表示与条件高斯性推导样本函数非遍历极限,并提出基于周期图频率估计的强一致谱密度估计方法。
2023-12-11 math.ST stat.TH
Stable limits of martingale transforms with application to the estimation of GARCH parameters
本文研究了具有重尾新息的平稳Gestival过程的高斯拟极大似然估计的渐近性态。这意味着新息随着指数$α\in(2,4)$而规律地变化。然后,特别是,边缘分布的Gestival过程有无限的四阶矩和标准的渐近理论与正常的限制和$\sqrt{n}$率打破。这是Hall和Yao最近观察到的[Econometrica 71(2003)285- 317]。这是本文的目的是表明,在重尾的情况下,参数估计的极限理论仍然非常平行的正常渐近理论。在轻尾情形下,平稳遍历有限方差鞅差序列的极限定理是基于CLT的。在重尾的情况下,这样的一般结果是不存在的,但一个类似的结果与无穷大的方差稳定的限制可以被证明是保持在一定的混合条件下,这是满足的Gesthem过程。这是本文的目的是给一个一般的结构结果的无穷方差极限,也可以应用在更一般的情况下比Gesterion。
2006-05-23 math.ST stat.TH
On Bayesian Estimation of Densities and Sampling Distributions: the Posterior Predictive Distribution as the Bayes Estimator
本文给出了两个突出的贝叶斯估计问题的最优性结果:平方全变差函数的抽样分布估计和$L^1$ -平方损失函数的密度估计.后验预测分布为这些问题提供了解决方案。文中给出了一些例子,并讨论了分布函数的贝叶斯估计问题。证明了密度估计的相合性。
2021-08-21 math.ST stat.TH
Lomax distribution and asymptotical ML estimations based on record values for probability density function and cumulative distribution function
在本文中,它是试图获得和比较的ML估计的基础上的上记录值和一个随机样本。接着,证明了这些估计的渐近性态。
2021-05-17 math.ST stat.TH
Extreme Value Estimation for Discretely Sampled Continuous Processes
在极值统计的环境应用中,潜在的随机过程通常被建模为连续时间/空间中的最大稳定过程,或者被建模为这种最大稳定过程吸引区域中的过程。然而,在实践中,这些过程通常仅在离散点处观察到,并且必须诉诸插值来填充间隙。我们讨论了这样的插值对边际参数估计以及指数测度估计的影响。特别是,自然条件的观测计划的精细开发,确保渐近的内插估计量的行为以同样的方式使用充分观察到的连续过程的估计。
2018-02-09 math.ST stat.TH
Optimal stable Ornstein-Uhlenbeck regression
我们证明了一些有效的推断结果,估计的Ornstein-Uhlenbeck回归模型,这是由一个非高斯稳定的Levy过程,并在一个固定的时间段内观察到的输出过程在高频驱动。局部渐近的似然函数,其次是一种方法来构建一个渐近有效的估计,通过一个次优但非常简单的初步估计。
2023-01-15 math.ST stat.TH
Extreme value theory based confidence intervals for the parameters of a symmetric Lévy-stable distribution
利用对称Lévy稳定分布参数极值估计的渐近正态性,构造了置信区间。这些间隔的准确性进行了评估,通过模拟研究。
2019-04-09 math.ST stat.TH
Multi-dimensional parameter estimation of heavy-tailed moving averages
本文提出了一种多参数重尾Lévy驱动移动平均线的参数估计方法。该理论依赖于最近的多元中心极限定理在[3]中获得的Malliavin演算Poisson空间。我们的最小对比度方法与文献[14,15]有关,该文献提出使用边缘经验特征函数来估计核函数的一维参数和驱动Lévy运动的稳定性指标。我们扩展了他们的工作,允许一个多参数的框架,特别是包括重要的例子,线性分数稳定运动,稳定的Ornstein-Uhlenbeck过程,某些CARMA(2,1)模型和Ornstein-Uhlenbeck过程与其他模型之间的周期性组件。给出了最小对比估计的相合性及其相关的中心极限定理。此外,我们证明了数值分析,揭示我们的方法的有限样本性能。
2021-04-19 math.ST stat.TH
On Limiting Distributions Of Estimation Of Central Moments
应提交人的要求,这篇论文已被撤回。
2008-02-19 math.ST stat.TH
Stable Probability Weighting: Large-Sample and Finite-Sample Estimation and Inference Methods for Heterogeneous Causal Effects of Multivalued Treatments Under Limited Overlap
在本文中,我试图驯服“巴苏的大象”(极端选择的观察数据)。我提出了新的实用的大样本和有限样本的方法来估计和推断异质因果效应(unconfoundedness下)的经验相关的背景下,有限的重叠。我开发了一个通用的原则,称为“稳定概率加权”(SPW),可以作为替代广泛使用的逆概率加权(IPW)技术,它依赖于强重叠。我表明,IPW(或其增强版本),有效时,是一个特殊的情况下,更一般的SPW(或其双重强大的版本),它调整治疗状态的条件概率的极值。SPW原理可以使用几种现有的条件矩模型的大样本参数、半参数和非参数程序来实现。此外,我提供了新的有限样本的结果,适用于当unconfoundedness是合理的细地层。由于IPW估计依赖于估计的倾向得分的有问题的倒数,我开发了一个“样本稳定概率加权”(FPW)的集合估计,在某种意义上是无偏的。我还提出了新的有限样本推断方法来检验一般类弱零假设。相关的计算方便的方法,可以用来构建有效的置信集和有限样本的置信分布,是独立的利益。我的大样本和有限样本框架扩展到多值处理的设置。
2023-01-19 econ.EM math.ST stat.AP
A note on boundary kernels for distribution function estimation
二阶边界核在分布函数估计中的应用最近在文献(C. Tenreiro,2013,Boundary kernels for分布函数估计,REVSTAT-Statistical Journal,11,169-190)。在本说明中,我们回到这个问题,考虑扩大类的边界内核,表明它本身是特别执行时,经典的核广义函数函数估计遭受严重的边界问题。
2015-02-04 math.ST stat.TH
Fast Stable Parameter Estimation for Linear Dynamical Systems
针对线性动力系统参数难以直接测量及含噪不完整观测下的估计问题,提出基于简化参数级联与新迭代方案的快速稳定估计法,相比主流方法计算量更低、偏差与采样方差更优,已在生物力学数据上验证有效。
2020-02-05 math.ST stat.CO stat.ME
Finite-time Identification of Stable Linear Systems: Optimality of the Least-Squares Estimator
Royal institute of Technology (KTH)(瑞典皇家理工学院)
我们提出了稳定线性定常系统普通最小二乘(OLS)估计器估计误差的新有限时间分析。我们将观测样本的数量(观测轨迹的长度)描述为足以使OLS估计器为$(\varepsilon,δ)$ -PAC,即,以产生小于$\varepsilon$的估计误差,概率至少为$1-δ$。我们表明,这个数字匹配现有的样本复杂度下界[1,2]的通用乘法因子(独立的($\varepsilon,δ)$和系统)。因此,本文建立了稳定系统OLS估计的最优性,这是文[1]中的一个结果。我们对OLS估计器性能的分析比现有的分析更简单,更清晰,更容易解释。它依赖于协变量矩阵的新浓度结果。
2020-03-26 cs.LG cs.SY eess.SY
Debiased Machine Learning without Sample-Splitting for Stable Estimators
Stanford University(斯坦福大学);Harvard University(哈佛大学)
对因果参数的估计和推断通常被简化为广义矩估计问题,其涉及对应于回归或分类问题的解决方案的辅助函数。去偏机器学习的最新工作路线显示了如何使用通用机器学习估计器来解决这些辅助问题,同时保持目标参数的渐近正态性和根$n$一致性,同时仅需要辅助估计算法的均方误差保证。文献通常要求将这些辅助问题拟合在单独的样本上或以交叉拟合的方式拟合。我们表明,当这些辅助估计算法满足自然留一稳定性,则样本分裂是不需要的。这允许样品重复使用,这在中等大小的样品方案中可能是有益的。例如,我们表明,我们提出的稳定性是满意的集成袋装估计,建立通过子采样没有替换,在机器学习实践中的一种流行的技术。
2022-11-14 cs.LG econ.EM math.ST