Nonparametric inference on Lévy measures and copulas
莱维测度与莱维联结函数的非参数推断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：摘要明确以莱维过程的高频增量观测建立估计和推断，直接对应高频计量方法。
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
莱维测度与莱维联结函数的非参数推断
- 研究问题
- 如何利用多元莱维过程的高频增量观测，非参数估计跳跃测度的尾积分和依赖结构，并建立相应的函数空间极限理论？
- 方法与思路
- 作者构造尾积分及帕累托—莱维联结函数估计量，证明弱收敛，讨论非等间隔采样扩展，并以模拟和真实数据说明。
- 材料陈述的贡献
- 摘要称给出由累计观测时长决定的收敛速率，并提供非等间隔采样扩展及作者认为此前未被讨论的联结函数解析性质。
- 阅读关注点
- 应核对采样间隔与累计时长的渐近要求、弱收敛所用函数空间、跳跃依赖的解释，以及非等间隔扩展的具体条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列出采样及过程条件，也未说明真实数据背景，不能据此认定金融风险应用。
原文摘要
In this paper nonparametric methods to assess the multivariate Lévy measure are introduced. Starting from high-frequency observations of a Lévy process $\mathbf{X} $, we construct estimators for its tail integrals and the Pareto–Lévy copula and prove weak convergence of these estimators in certain function spaces. Given $n$ observations of increments over intervals of length $\Delta_{n}$, the rate of convergence is $k_{n}^{-1/2}$ for $k_{n}=n\Delta_{n}$ which is natural concerning inference on the Lévy measure. Besides extensions to nonequidistant sampling schemes analytic properties of the Pareto–Lévy copula which, to the best of our knowledge, have not been mentioned before in the literature are provided as well. We conclude with a short simulation study on the performance of our estimators and apply them to real data.