Sharp adaptive estimation of the drift function for ergodic diffusions
遍历扩散过程漂移函数的精确自适应估计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。
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：摘要讨论一般扩散过程的非参数估计，未明确涉及所列经济或金融细分方向。
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
遍历扩散过程漂移函数的精确自适应估计
- 研究问题
- 当遍历扩散过程的漂移函数属于平滑阶数未知的非参数函数类时，如何进行全局估计，并达到包含最优常数的精确自适应性？
- 方法与思路
- 作者提出以估计风险最小化为基础的完全数据驱动程序，并用不变密度平方加权的积分平方误差衡量漂移函数估计质量。
- 材料陈述的贡献
- 摘要称，该程序在所考虑的遍历扩散过程与平滑函数类中具有精确自适应性，其估计风险能够达到最优常数层面的界限。
- 阅读关注点
- 应核对扩散过程与漂移函数类的具体限制、估计风险的构造，以及不变密度权重如何进入最优常数和自适应性证明。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体过程条件、风险界和证明未说明，不能将结论推广到任意扩散过程或其他损失。
原文摘要
The global estimation problem of the drift function is considered for a large class of ergodic diffusion processes. The unknown drift S(⋅) is supposed to belong to a nonparametric class of smooth functions of order k≥1, but the value of k is not known to the statistician. A fully data-driven procedure of estimating the drift function is proposed, using the estimated risk minimization method. The sharp adaptivity of this procedure is proven up to an optimal constant, when the quality of the estimation is measured by the integrated squared error weighted by the square of the invariant density.