Estimation of Continuous-Time Markov Processes Sampled at Random Time Intervals
随机时间间隔采样下连续时间马尔可夫过程的估计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：摘要明确以金融应用和逐笔采样为重点，研究随机观测时点下的连续时间过程估计，直接对应高频计量。
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
随机时间间隔采样下连续时间马尔可夫过程的估计
- 研究问题
- 当连续时间马尔可夫过程在随机时点被观测，且采样到达强度可依赖过程状态与待估参数时，如何估计参数并刻画统计不确定性？
- 方法与思路
- 作者提出一族广义矩估计量，将依赖潜在过程及参数的随机采样纳入框架，并重点讨论逐笔采样及多种扩散过程的金融应用。
- 材料陈述的贡献
- 摘要称给出强一致性、渐近正态性及标准误的刻画；框架允许采样强度依赖过程和参数，并涵盖跳跃、状态切换与反射扩散。
- 阅读关注点
- 阅读全文时应核对随机采样强度如何进入矩条件、状态依赖采样下的一致性与渐近条件，以及标准误构造和各类扩散过程的适用要求。
- 阅读边界
- 摘要未说明采样强度的具体设定、矩条件计算或有限样本结果；允许状态依赖采样不等于能够处理任意采样机制或高频观测噪声。
原文摘要
We introduce a family of generalized-method-of-moments estimators of the parameters of a continuous-time Markov process observed at random time intervals. The results include strong consistency, asymptotic normality, and a characterization of standard errors. Sampling is at an arrival intensity that is allowed to depend on the underlying Markov process and on the parameter vector to be estimated. We focus on financial applications, including tick-based sampling, allowing for jump diffusions, regime-switching diffusions, and reflected diffusions.