Estimators of diffusions with randomly spaced discrete observations: A general theory
随机间隔离散观测下扩散过程估计量的一般理论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：摘要明确研究随时间离散观测的扩散过程及随机采样间隔，直接属于时间序列估计方法。
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
随机间隔离散观测下扩散过程估计量的一般理论
- 研究问题
- 作者研究连续时间扩散过程估计量的渐近性质，重点处理离散观测之间的时间间隔可能随机，而非固定采样间隔的情况。
- 方法与思路
- 作者引入广义无穷小生成元，用于展开估计量渐近矩的 Taylor 表达；框架包含固定间隔采样、极大似然及 Euler 近似估计。
- 材料陈述的贡献
- 摘要称，论文提供分析多类扩散估计量的通用方法，统一涵盖随机与固定观测间隔，并给出极大似然和离散近似的例子。
- 阅读关注点
- 应核对随机观测间隔与扩散路径的依赖要求、渐近方案、矩展开的阶数与余项，以及 Euler 近似和极大似然的比较方式。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明采样机制、展开条件或误差规模，不能推断对任意内生采样或金融高频数据都适用。
原文摘要
We provide a general method to analyze the asymptotic properties of a variety of estimators of continuous time diffusion processes when the data are not only discretely sampled in time but the time separating successive observations may possibly be random. We introduce a new operator, the generalized infinitesimal generator, to obtain Taylor expansions of the asymptotic moments of the estimators. As a special case, our results apply to the situation where the data are discretely sampled at a fixed nonrandom time interval. We include as specific examples estimators based on maximum-likelihood and discrete approximations such as the Euler scheme.