Robust Functional Data Analysis for Stochastic Evolution Equations in Infinite Dimensions
无限维随机演化方程的稳健函数型数据分析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：摘要主要是无限维随机过程与函数型协变动理论；虽提及随机波动模型，但未明确金融应用，细分分类证据不足。
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
无限维随机演化方程的稳健函数型数据分析
- 研究问题
- 无限维随机演化系统中，如何稳健测量协变动，连接观测解过程与潜在驱动过程，并支持降维和波动模型估计？
- 方法与思路
- 作者建立抗跳跃协变动测量的渐近理论，将解过程已实现协变动的尺度极限联系到Hilbert空间半鞅的二次协变动。
- 材料陈述的贡献
- 摘要称识别了观测协变动与潜在驱动过程二次协变动的极限联系，并讨论稳健函数主成分降维和随机波动模型应用。
- 阅读关注点
- 应核对观测频率与尺度归一化、跳跃如何被处理、无限维算子的收敛含义，以及降维的动态一致性具体指什么。
- 阅读边界
- 这是arXiv预印本，同行评审和期刊接收未获确认；摘要未说明完整假设、估计步骤或实证结果，应用仅被概述。
原文摘要
We develop an asymptotic theory for the jump robust measurement of covariations in the context of stochastic evolution equation in infinite dimensions. Namely, we identify scaling limits for realized covariations of solution processes with the quadratic covariation of the latent random process that drives the evolution equation which is assumed to be a Hilbert space-valued semimartingale. We discuss applications to dynamically consistent and outlier-robust dimension reduction in the spirit of functional principal components and the estimation of infinite-dimensional stochastic volatility models.