Fast convergence rates for estimating the stationary density in SDEs driven by a fractional Brownian motion with semicontractive drift
半收缩漂移分数布朗运动驱动随机微分方程的平稳密度快速估计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：摘要研究一般随机过程的不变密度估计，未明确宏观时间序列或金融波动率等具体领域应用。
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…
半收缩漂移分数布朗运动驱动随机微分方程的平稳密度快速估计
- 研究问题
- 如何在分数布朗运动驱动、漂移仅具较弱收缩性质的随机微分方程中，更快估计不变密度并适应未知光滑度？
- 方法与思路
- 作者结合核估计、鞅分解与趋于平衡的全变差界，处理连续及离散观测，并构造数据驱动的带宽选择。
- 材料陈述的贡献
- 摘要称获得更快收敛率、集中不等式与光滑度自适应程序，并将漂移条件放宽至紧集外满足强凸性的情形。
- 阅读关注点
- 应核对各 Hurst 参数区间的速率、离散采样要求、漂移与密度条件，以及带宽自适应结论的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要；具体速率、采样条件与数值结果未说明，不能判断所有离散观测方案均适用或推断版本变化。
原文摘要
We study the estimation of the invariant density of additive fractional stochastic differential equations with Hurst parameter H∈(0,1). We first focus on continuous observations and develop a kernel-based estimator achieving faster convergence rates than previously available. This result stems from a martingale decomposition combined with new bounds on the (conditional) convergence in total variation to equilibrium of fractional SDEs. For H<1/2, we further refine the rates based on recent bounds on the marginal density. We then extend the methodology to discrete observations, showing that the same convergence rates can be attained. Moreover, we establish concentration inequalities for the estimator and introduce a data-driven bandwidth selection procedure that adapts to unknown smoothness. Numerical experiments for the fractional Ornstein–Uhlenbeck process illustrate the estimator’s practical performance. Finally, our results weaken the usual convexity assumptions on the drift component, allowing us to consider settings where strong convexity only holds outside a compact set.