Volatility change point detection for linear parabolic SPDEs
线性抛物型随机偏微分方程的波动率变点检测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：摘要研究随机偏微分方程的高频时空波动率变点，未说明金融或经济时间序列背景，现有细分不足以直接归类。
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…
线性抛物型随机偏微分方程的波动率变点检测
- 研究问题
- 基于高频时空观测，如何检测二阶线性抛物型随机偏微分方程中的波动率变化，并构造可进行统计推断的检验？
- 方法与思路
- 作者借鉴扩散过程的变点分析构建波动率变化检验统计量，推导渐近零假设分布、证明一致性，并给出例子和数值模拟。
- 材料陈述的贡献
- 摘要明确陈述的贡献是面向此类随机偏微分方程的检验构造、渐近零假设分布和一致性结果，并以模拟展示检验行为。
- 阅读关注点
- 应核对时空采样方案、方程系数与噪声条件、统计量标准化方式，以及一致性结论允许的变点形式和变化幅度。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列明渐近采样条件、检验功效数值或经济金融应用。
原文摘要
We consider change point detection for the volatility in second order linear parabolic stochastic partial differential equations based on high frequency spatio-temporal data. We give a test statistic to detect changes in the volatility based on change point analysis for diffusion processes and derive the asymptotic null distribution of the test statistic. We also show that the test is consistent. Moreover, we provide some examples and then perform numerical simulations of the proposed test statistic.