UNIFORM CONVERGENCE RATES OF KERNEL-BASED NONPARAMETRIC ESTIMATORS FOR CONTINUOUS TIME DIFFUSION PROCESSES: A DAMPING FUNCTION APPROACH
连续时间扩散过程核非参数估计的一致收敛速率：阻尼函数方法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：摘要研究一般扩散过程的非参数估计理论，未明确宏观或金融应用，细分领域证据不足。
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
连续时间扩散过程核非参数估计的一致收敛速率：阻尼函数方法
- 研究问题
- 研究连续时间扩散过程的核非参数估计，如何在无限区间上获得一致收敛速率，并放宽过程矩条件、函数有界性及核函数限制。
- 方法与思路
- 作者引入阻尼函数，结合经验过程的覆盖数技术、混合性质和鞅性质推导收敛速率，并以路径连续性结果控制离散化偏差。
- 材料陈述的贡献
- 摘要称获得尖锐的一致收敛速率，无须要求任意阶矩存在，并允许不连续、无界支撑及缓慢尾部衰减的核函数。
- 阅读关注点
- 应核对阻尼函数的定义、收敛所用范数与速率条件，以及观测离散化偏差如何受无限时间范围的路径连续性结果控制。
- 阅读边界
- 所给 Crossref 摘要未列出具体速率、混合条件和采样要求，无法判断这些放宽适用的完整范围，也不能推断其他版本变化。
原文摘要
In this paper, we derive uniform convergence rates of nonparametric estimators for continuous time diffusion processes. In particular, we consider kernel-based estimators of the Nadaraya–Watson type, introducing a new technical device called a damping function . This device allows us to derive sharp uniform rates over an infinite interval with minimal requirements on the processes: The existence of the moment of any order is not required and the boundedness of relevant functions can be significantly relaxed. Restrictions on kernel functions are also minimal: We allow for kernels with discontinuity, unbounded support, and slowly decaying tails. Our proofs proceed by using the covering-number technique from empirical process theory and exploiting the mixing and martingale properties of the processes. We also present new results on the path-continuity property of Brownian motions and diffusion processes over an infinite time horizon. These path-continuity results, which should also be of some independent interest, are used to control discretization biases of the nonparametric estimators. The obtained convergence results are useful for non/semiparametric estimation and testing problems of diffusion processes.