Maximum-likelihood estimation for diffusion processes via closed-form density expansions
通过闭式密度展开进行扩散过程最大似然估计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：摘要研究离散观测动态过程的转移密度与参数估计，直接涉及时间序列方法，但未指定宏观应用。
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
通过闭式密度展开进行扩散过程最大似然估计
- 研究问题
- 面对多元扩散过程的离散采样数据，如何显式近似转移密度与似然，使参数估计可计算，并为相关收敛提供理论依据？
- 方法与思路
- 作者提出转移密度的闭式渐近展开及可生成任意阶展开的显式计算算法，用近似似然估计参数，并进行多模型蒙特卡洛实验。
- 材料陈述的贡献
- 摘要称，方法提供了可计算的转移密度与似然近似，且展开和估计的收敛在充分条件下获得理论论证，模拟展示了应用表现。
- 阅读关注点
- 读全文时应核对采样机制、扩散模型条件、展开阶数选择及近似误差，并区分密度展开的收敛与参数估计的收敛。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未给出采样频率、充分条件或模拟数值，不能推断适用于任意扩散模型或高频金融数据。
原文摘要
This paper proposes a widely applicable method of approximate maximum-likelihood estimation for multivariate diffusion process from discretely sampled data. A closed-form asymptotic expansion for transition density is proposed and accompanied by an algorithm containing only basic and explicit calculations for delivering any arbitrary order of the expansion. The likelihood function is thus approximated explicitly and employed in statistical estimation. The performance of our method is demonstrated by Monte Carlo simulations from implementing several examples, which represent a wide range of commonly used diffusion models. The convergence related to the expansion and the estimation method are theoretically justified using the theory of Watanabe [Ann. Probab. 15 (1987) 1–39] and Yoshida [J. Japan Statist. Soc. 22 (1992) 139–159] on analysis of the generalized random variables under some standard sufficient conditions.