Nonparametric estimation of trend for stochastic differential equations driven by multiplicative stochastic volatility
乘性随机波动率驱动随机微分方程的趋势非参数估计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。
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：摘要仅涉及通用随机微分方程估计，未明确金融波动率或其他所列领域的应用。
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
乘性随机波动率驱动随机微分方程的趋势非参数估计
- 研究问题
- 在由乘性随机波动率驱动的随机微分方程中，如何非参数估计趋势系数，波动率的随机性会对估计带来哪些困难？
- 方法与思路
- 作者讨论该类随机微分方程的趋势系数非参数估计；摘要只有概括性描述，未说明估计量构造、观测方案或渐近框架。
- 材料陈述的贡献
- 摘要明确的贡献范围是研究乘性随机波动率模型中的趋势非参数估计，未陈述一致性、收敛速度或其他具体理论结果。
- 阅读关注点
- 应首先核对趋势和波动率的模型定义、数据观测方式、估计量构造及所需正则条件，再查看是否有理论保证与数值验证。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要过于简短，不能判断可识别性、估计精度、创新程度或经济应用范围。
原文摘要
We discuss nonparametric estimation of the trend coefficient in models governed by a stochastic differential equation driven by a multiplicative stochastic volatility.