Estimation of the Hurst parameter from discrete noisy data
从离散含噪数据估计 Hurst 参数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：摘要研究通用含噪随机过程，高频采样本身不足以确认属于金融高频计量。
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
从离散含噪数据估计 Hurst 参数
- 研究问题
- 作者研究高频离散观测受到系统性实验噪声影响时，如何估计分数布朗运动的 Hurst 参数，以及噪声造成的统计难度。
- 方法与思路
- 摘要称采用极小极大分析刻画估计难度，并基于二次泛函的自适应估计构造估计量，以利用信号中的高频信息。
- 材料陈述的贡献
- 摘要称证明了 Hurst 参数估计的最优收敛速率，并提出达到该速率的估计量；具体噪声条件和参数范围未说明。
- 阅读关注点
- 应核对噪声模型、观测安排、参数空间和风险度量，并检查最优速率的原始公式及自适应二次泛函估计的构造。
- 阅读边界
- OpenAlex 索引版本未注明；速率公式的上下标可能丢失，需查原 PDF，不能据此重构指数或推断金融数据适用性。
原文摘要
We estimate the Hurst parameter H of a fractional Brownian motion from discrete noisy data observed along a high frequency sampling scheme. The presence of systematic experimental noise makes recovery of H more difficult since relevant information is mostly contained in the high frequencies of the signal. We quantify the difficulty of the statistical problem in a min-max sense: we prove that the rate n−1/(4H+2) is optimal for estimating H and propose rate optimal estimators based on adaptive estimation of quadratic functionals.