Exact and Computationally Efficient Likelihood-Based Estimation for Discretely Observed Diffusion Processes (with Discussion)
离散观测扩散过程的精确且计算高效的似然估计（含讨论）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：摘要涉及一般扩散过程推断，未明确金融、高频观测或其他所列细分方向。
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…
离散观测扩散过程的精确且计算高效的似然估计（含讨论）
- 研究问题
- 对于只能在离散时点观测的扩散过程，如何构造基于似然的估计方法，同时支持最大似然与贝叶斯推断？
- 方法与思路
- 作者提出建立在扩散过程精确模拟进展之上的Monte Carlo方法，用于离散观测条件下的最大似然和贝叶斯估计。
- 材料陈述的贡献
- 摘要明确提出一套新的扩散过程似然推断方法，将精确模拟技术用于两类估计；未给出计算效率的具体比较结果。
- 阅读关注点
- 应核对允许的漂移与扩散系数类别、精确模拟的适用条件，以及似然计算、Monte Carlo误差和计算成本的处理。
- 阅读边界
- 仅依据所给Crossref摘要；题名中的精确性与计算高效性的具体含义未展开，摘要也未提供讨论部分的观点或回应。
原文摘要
Summary The objective of the paper is to present a novel methodology for likelihood-based inference for discretely observed diffusions. We propose Monte Carlo methods, which build on recent advances on the exact simulation of diffusions, for performing maximum likelihood and Bayesian estimation.