ADAPTIVE LASSO-TYPE ESTIMATION FOR MULTIVARIATE DIFFUSION PROCESSES
多元扩散过程的自适应 LASSO 型估计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：摘要只明确多元扩散过程与变量选择，未提供归入所列具体领域的充分依据。
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…
多元扩散过程的自适应 LASSO 型估计
- 研究问题
- 对离散观测的多元扩散过程，如何同时进行参数估计和变量选择，并处理漂移与扩散参数收敛速率不同的问题？
- 方法与思路
- 作者将自适应 LASSO 用于多元扩散过程，针对漂移和扩散系数的不同收敛速率推导理论，并开展模拟与实证分析。
- 材料陈述的贡献
- 摘要称证明了估计量的 oracle 性质并推导渐近分布，将已有 LASSO 结果扩展到具有不同参数收敛速率的扩散模型。
- 阅读关注点
- 应核对离散观测的渐近方案、初始估计及惩罚权重、不同速率对应的调参要求，以及 oracle 性质的具体定义。
- 阅读边界
- 仅据所给 Crossref 版本摘要，采样频率、应用数据及完整条件未说明，不能据此判定高频或金融用途及其他版本变化。
原文摘要
The least absolute shrinkage and selection operator (LASSO) is a widely used statistical methodology for simultaneous estimation and variable selection. It is a shrinkage estimation method that allows one to select parsimonious models. In other words, this method estimates the redundant parameters as zero in the large samples and reduces variance of estimates. In recent years, many authors analyzed this technique from a theoretical and applied point of view. We introduce and study the adaptive LASSO problem for discretely observed multivariate diffusion processes. We prove oracle properties and also derive the asymptotic distribution of the LASSO estimator. This is a nontrivial extension of previous results by Wang and Leng (2007, Journal of the American Statistical Association , 102(479), 1039–1048) on LASSO estimation because of different rates of convergence of the estimators in the drift and diffusion coefficients. We perform simulations and real data analysis to provide some evidence on the applicability of this method.