Empirical likelihood-based inference for nonparametric recurrent diffusions
非参数常返扩散过程的经验似然推断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：摘要研究连续时间动态过程在离散时间采样下的漂移、扩散和推断，依据观测时间结构归入时间序列方向。
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…
关注这篇论文的作者
非参数常返扩散过程的经验似然推断
- 研究问题
- 对平稳或非平稳的常返扩散过程，如何为非参数漂移和扩散函数构造置信区间，并改善常规正态近似区间的表现？
- 方法与思路
- 作者利用局部线性估计满足的估计方程构造经验似然比，在观测总时长增加、采样间隔缩小的框架下建立极限理论。
- 材料陈述的贡献
- 摘要称结果适用于平稳及非平稳常返扩散，模拟中经验似然区间优于常规渐近正态区间，并提供一个实证示例。
- 阅读关注点
- 应核对常返性要求、带宽与采样间隔的联合条件、经验似然的校准，以及模拟中的覆盖率、区间长度和比较设计。
- 阅读边界
- 摘要未说明实证对象、具体正则条件或模拟数值；所述优势限于报告的模拟，不能据此推广到任意扩散或采样方案。
原文摘要
This paper provides a new approach to constructing confidence intervals for nonparametric drift and diffusion functions in the continuous-time diffusion model via empirical likelihood (EL). The log EL ratios are constructed through the estimating equations satisfied by the local linear estimators. Limit theories are developed by means of increasing time span and shrinking observational intervals. The results apply to both stationary and nonstationary recurrent diffusion processes. Simulations show that for both drift and diffusion functions, the new procedure performs remarkably well in finite samples and clearly dominates the conventional method in constructing confidence intervals based on asymptotic normality. An empirical example is provided to illustrate the usefulness of the proposed method.