Parameter estimation for second-order SPDEs in multiple space dimensions
多空间维度二阶随机偏微分方程的参数估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦一般随机偏微分方程的时空参数估计，未提供对应所列经济金融细分的充分依据。
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
多空间维度二阶随机偏微分方程的参数估计
- 研究问题
- 如何利用有界区域内解的离散时空观测，估计一般多空间维度二阶随机偏微分方程的参数，并建立相应渐近理论？
- 方法与思路
- 作者基于已实现波动构造波动参数的神谕估计量，利用其渐近对数线性关系开展估计，并在高频观测方案下证明中心极限定理。
- 材料陈述的贡献
- 摘要称，该研究将已有低维理论推广至一般多维框架，提出具有最优收敛率和最小方差的估计量，并开展蒙特卡洛模拟。
- 阅读关注点
- 核对方程与边界条件、时空采样间距的联合限制、神谕与可行估计量的区别，以及最优速率和最小方差的比较范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未提供具体模型条件和模拟结果，波动术语不意味着金融应用。
原文摘要
We analyse a second-order SPDE model in multiple space dimensions and develop estimators for the parameters of this model based on discrete observations of a solution in time and space on a bounded domain. While parameter estimation for one and two spatial dimensions was established in recent literature, this is the first work which generalizes the theory to a general, multi-dimensional framework. Our approach builds upon realized volatilities, enabling the construction of an oracle estimator for volatility within the underlying model. Furthermore, we show that the realized volatilities have an asymptotic illustration as response of a log-linear model with spatial explanatory variable. This yields novel and efficient estimators based on realized volatilities with optimal rates of convergence and minimal variances. For proving central limit theorems, we use a high-frequency observation scheme. To showcase our results, we conduct a Monte Carlo simulation.