Nonparametric estimation of linear multiplier for stochastic differential equations driven by multiplicative stochastic volatility
乘性随机波动率驱动随机微分方程的线性乘子非参数估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要是通用随机微分方程的小噪声估计，未明确所列宏观或金融计量方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
乘性随机波动率驱动随机微分方程的线性乘子非参数估计
- 研究问题
- 在漂移为 θ(t)X_t、扰动含乘性随机波动率的随机微分方程中，如何依据有限时间区间内的过程观测估计未知函数 θ(t)？
- 方法与思路
- 作者在噪声尺度 ε 趋于零的框架下研究 θ(t) 的非参数估计，模型包含两个相乘的波动率项及布朗运动适应过程。
- 材料陈述的贡献
- 摘要明确设定线性乘子函数的估计对象、随机微分方程与小噪声渐近框架，但未陈述具体估计方法或已获得的理论保证。
- 阅读关注点
- 应核对过程观测的连续或离散形式、θ 与波动率项的正则性、辅助过程的可观测性，以及小噪声下的估计量和误差界。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明估计量、一致性或收敛速度，也未交代未知波动率如何处理。
原文摘要
We study the problem of nonparametric estimation of the linear multiplier function $θ(t)$ for processes satisfying stochastic differential equations of the type $$dX_t= θ(t)X_t dt+ ε\; σ_1(t,X_t)σ_2(t,Y_t)dW_t, X_0=x_0, 0 \leq t \leq T$$ where $\{W_t, t\geq 0\}$ is a standard Brownian motion, $\{Y_t, t\geq 0\}$ is a process adapted to the filtration generated by the Brownian motion. We study the problem of estimation of the unknown function $θ(.)$ as $ε\rightarrow 0$ based on the observation of the process $\{X_t,0\leq t \leq T\}.$