ESTIMATING THE SKEWNESS IN DISCRETELY OBSERVED LÉVY PROCESSES
离散观测莱维过程的偏斜参数估计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。
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：摘要虽涉及金融莱维过程与偏斜估计，但未明确研究定价、尾部风险或高频采样，细分依据不足。
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
离散观测莱维过程的偏斜参数估计
- 研究问题
- 在用莱维过程描述金融数据时，如何根据不同离散采样方案估计控制过程偏斜的未知参数，并刻画相应的统计效率？
- 方法与思路
- 作者在给定莱维三元组的模型中，以莱维测度的指数倾斜参数描述偏斜，针对不同离散采样方案建立局部渐近正态性并构造估计量。
- 材料陈述的贡献
- 摘要称文章提供偏斜参数的局部渐近正态性结果及有效估计量，涵盖双曲、正态逆高斯和 CGMY 等金融莱维过程模型。
- 阅读关注点
- 应核对哪些三元组分量已知、偏斜参数的可识别性、离散采样的具体渐近方案，以及有效性所对应的信息界和估计量构造。
- 阅读边界
- 出版社摘要未列采样频率、参数限制或效率界公式；离散采样不自动等于高频设定，也无法据此判断风险或定价表现及版本变化。
原文摘要
We consider models for financial data by Lévy processes, including hyperbolic, normal inverse Gaussian, and Carr, Geman, Madan, and Yor (CGMY) processes. They are given by their Lévy triplet (μ(θ),σ2,eθxg(x)ν(dx)), where μ denotes the drift, σ2 the diffusion, and eθxg(x)ν(dx) the Lévy measure, and the unknown parameter θ models the skewness of the process. We provide local asymptotic normality results and construct efficient estimators for the skewness parameter θ taking into account different discrete sampling schemes.I thank Prof. Dr. L. Rüschendorf for his steady encouragement, the referees for helpful comments, and the German National Scholarship Foundation for financial support.