Statistical estimation of multivariate Ornstein–Uhlenbeck processes and applications to co-integration
多元 Ornstein–Uhlenbeck 过程的统计估计及协整应用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：摘要明确研究连续时间过程和协整，并直接列举随机波动模型中的波动过程用途。
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
多元 Ornstein–Uhlenbeck 过程的统计估计及协整应用
- 研究问题
- 对于由无穷方差、正则变差 Lévy 过程驱动的多元 OU 模型，如何估计参数并建立连续时间协整推断？
- 方法与思路
- 作者提出最小二乘估计，推导一致性、渐近行为和检验统计量，并通过随机向量乘积的正则变差结果支持证明。
- 材料陈述的贡献
- 摘要称建立了无穷方差情形的估计与检验结果，比较有限方差情形，并将模型嵌入连续时间协整框架。
- 阅读关注点
- 核对采样方式、正则变差及模型参数限制、渐近归一化和极限分布，以及连续时间协整结构如何定义。
- 阅读边界
- 仅依据所给出版社摘要；具体观测方案与定理条件未说明，金融波动和价差用途也不能视为已验证的应用效果。
原文摘要
Ornstein–Uhlenbeck models are continuous-time processes which have broad applications in finance as, e.g., volatility processes in stochastic volatility models or spread models in spread options and pairs trading. The paper presents a least squares estimator for the model parameter in a multivariate Ornstein–Uhlenbeck model driven by a multivariate regularly varying Lévy process with infinite variance. We show that the estimator is consistent. Moreover, we derive its asymptotic behavior and test statistics. The results are compared to the finite variance case. For the proof we require some new results on multivariate regular variation of products of random vectors and central limit theorems. Furthermore, we embed this model in the setup of a co-integrated model in continuous time.