Optimal sparse volatility matrix estimation for high-dimensional Itô processes with measurement errors
含测量误差的高维 Itô 过程稀疏波动率矩阵最优估计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：摘要明确以高维过程的波动率矩阵为估计对象，并提及金融应用，直接对应波动率方向。
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…
含测量误差的高维 Itô 过程稀疏波动率矩阵最优估计
- 研究问题
- 当高维 Itô 过程仅在离散时点被观测且含测量误差时，如何估计稀疏波动率矩阵，并确定其可达到的最优收敛速度？
- 方法与思路
- 作者结合多尺度与阈值方法构造估计量，并通过独立但非同分布观测的协方差估计等价模型和最不利参数构造推导下界。
- 材料陈述的贡献
- 摘要称建立稀疏波动率矩阵估计的极小极大收敛率，并构造达到该速度的估计量；模拟结果被作者描述为支持渐近理论。
- 阅读关注点
- 应核对稀疏性类别、测量误差与采样条件、损失度量，以及上下界匹配的维度范围、阈值选择和有限样本比较设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体收敛率、噪声条件和模拟数值未提供，不能外推至所有金融观测环境。
原文摘要
Stochastic processes are often used to model complex scientific problems in fields ranging from biology and finance to engineering and physical science. This paper investigates rate-optimal estimation of the volatility matrix of a high-dimensional Itô process observed with measurement errors at discrete time points. The minimax rate of convergence is established for estimating sparse volatility matrices. By combining the multi-scale and threshold approaches we construct a volatility matrix estimator to achieve the optimal convergence rate. The minimax lower bound is derived by considering a subclass of Itô processes for which the minimax lower bound is obtained through a novel equivalent model of covariance matrix estimation for independent but nonidentically distributed observations and through a delicate construction of the least favorable parameters. In addition, a simulation study was conducted to test the finite sample performance of the optimal estimator, and the simulation results were found to support the established asymptotic theory.