NONPARAMETRIC ESTIMATION OF SECOND-ORDER STOCHASTIC DIFFERENTIAL EQUATIONS
二阶随机微分方程的非参数估计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：摘要研究一般随机微分方程估计，未明确对应所列宏观、微观或金融细分方向。
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
二阶随机微分方程的非参数估计
- 研究问题
- 如何非参数估计二阶随机微分方程的无穷小系数，估计量是否具有一致性与渐近正态性，离散化步长又会如何影响表现？
- 方法与思路
- 作者提出无穷小系数的非参数估计量，研究一致性与渐近正态性成立的条件，并以蒙特卡洛实验考察离散化步长的影响。
- 材料陈述的贡献
- 摘要称在适当条件下建立估计量的一致性，并给出确保渐近正态性的条件；同时设置实验评估估计对离散化步长的反应。
- 阅读关注点
- 应核对二阶方程的具体定义、哪些状态变量可以观测、采样方案与步长的渐近关系，以及非参数估计的平滑和正则条件。
- 阅读边界
- 所给 RePEc 出版社摘要未说明具体条件、观测设计或模拟结果，也没有金融应用信息，不能据此判断实践可用性或估计精度。
原文摘要
We propose nonparametric estimators of the infinitesimal coefficients associated with second-order stochastic differential equations. We show that under appropriate conditions, the proposed estimators are consistent. Also, we state conditions ensuring the asymptotic normality of these estimators. We conclude our paper with a Monte Carlo experiment in which we assess the response of the nonparametric estimators with respect to the step of discretization.I thank two anonymous referees who made valuable suggestions that led to considerable improvements in the paper. I am also grateful to Carlos Braumann and Tom Kundert for helpful comments. This research was supported by the Fundação para a Ciência e a Tecnologia (FCT) and by FEDER/POCI 2010.