Estimation for Non-Negative Lévy-Driven CARMA Processes
非负 Lévy 驱动 CARMA 过程的估计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：摘要明确指出这类非负连续时间过程已用于随机波动率建模，因此最直接对应金融波动率方向。
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…
非负 Lévy 驱动 CARMA 过程的估计
- 研究问题
- 对于具有非负核、由非递减 Lévy 过程驱动的平稳连续时间过程，如何把已有一阶模型的估计思路推广至更高阶 CARMA 模型？
- 方法与思路
- 作者将高阶 CARMA 过程分解为若干相互依赖的 Ornstein–Uhlenbeck 过程之和，以推广一阶模型的参数估计及驱动过程恢复思路。
- 材料陈述的贡献
- 摘要称，分解为相互依赖的 Ornstein–Uhlenbeck 过程是关键思路，使已有一阶模型的估计方法能够推广至具有非负核的高阶模型。
- 阅读关注点
- 应核对非负核与平稳性所需的参数限制、分解后的依赖结构，以及参数估计和驱动过程恢复分别需要怎样的观测频率。
- 阅读边界
- 摘要未说明高阶估计量的具体渐近性质、采样条件或数值表现；既有一阶模型的效率结论不能直接视为本文高阶方法的保证。
原文摘要
Continuous-time autoregressive moving average (CARMA) processes with a nonnegative kernel and driven by a nondecreasing Lévy process constitute a useful and very general class of stationary, nonnegative continuous-time processes that have been used, in particular, for the modeling of stochastic volatility. Brockwell, Davis, and Yang (2007) derived efficient estimates of the parameters of a nonnegative Lévy-driven CAR(1) process and showed how the realization of the underlying Lévy process can be estimated from closely-spaced observations of the process itself. In this article we show how the ideas of that article can be generalized to higher order CARMA processes with nonnegative kernel, the key idea being the decomposition of the CARMA process into a sum of dependent Ornstein–Uhlenbeck processes.