Infinitesimal Robustness for Diffusions
扩散过程的无穷小稳健性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：摘要明确研究平稳遍历扩散、时间序列影响函数，并应用于汇率动态估计。
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
扩散过程的无穷小稳健性
- 研究问题
- 对于平稳且遍历的扩散过程，如何刻画估计量面对微小扰动的稳健性，并构造可计算的条件无偏稳健估计？
- 方法与思路
- 作者研究条件无偏 M 估计量的时间序列影响函数，构造最优稳健估计类，并利用扩散近似计算稳健估计函数。
- 材料陈述的贡献
- 摘要称，在所述弱条件下证明影响函数存在且唯一，并给出算法、蒙特卡洛支持及目标区间汇率动态的应用。
- 阅读关注点
- 应核对扰动与稳健性的定义、鞅估计函数条件、最优性的比较范围，以及扩散近似对算法和推断的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；弱条件、稳健性约束和数值结果未提供，不能认定普遍优于传统估计。
原文摘要
We develop infinitesimally robust statistical procedures for the general diffusion processes. We first prove the existence and uniqueness of the times-series influence function of conditionally unbiased M-estimators for ergodic and stationary diffusions, under weak conditions on the (martingale) estimating function used. We then characterize the robustness of M-estimators for diffusions and derive a class of conditionally unbiased optimal robust estimators. To compute these estimators, we propose a general algorithm, which exploits approximation methods for diffusions in the computation of the robust estimating function. Monte Carlo simulation shows a good performance of our robust estimators and an application to the robust estimation of the exchange rate dynamics within a target zone illustrates the methodology in a real-data application.