REWEIGHTED FUNCTIONAL ESTIMATION OF DIFFUSION MODELS
扩散模型的重加权函数估计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：摘要研究连续时间扩散及波动率函数估计，并使用利率数据，支持波动率与时间序列分类。
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
扩散模型的重加权函数估计
- 研究问题
- 非参数扩散模型中，如何避免局部线性方法给出负的扩散或波动率函数估计，同时保留其偏差性质并放宽平稳性要求？
- 方法与思路
- 作者重加权传统 Nadaraya–Watson 估计量，构造非负的扩散系数函数估计，并在递归性要求下发展极限理论。
- 材料陈述的贡献
- 摘要称，新方法在有限样本保证非负并保留局部线性估计的偏差性质，极限理论不要求平稳或遍历，并以美国利率数据示例。
- 阅读关注点
- 应核对重加权构造、非负性保证、递归性和其他正则条件，以及观测间隔、带宽与利率样本如何影响估计。
- 阅读边界
- 仅依据所给 Crossref 摘要；递归性等条件的完整形式和数据结果未说明，非负性保证不能直接等同于总体估计性能更优。
原文摘要
The local linear method is popular in estimating nonparametric continuous-time diffusion models, but it may produce negative results for the diffusion (or volatility) functions and thus lead to insensible inference. We demonstrate this using U.S. interest rate data. We propose a new functional estimation method of the diffusion coefficient based on reweighting the conventional Nadaraya–Watson estimator. It preserves the appealing bias properties of the local linear estimator and is guaranteed to be nonnegative in finite samples. A limit theory is developed under mild requirements (recurrence) of the data generating mechanism without assuming stationarity or ergodicity.