Semimartingale detection and goodness-of-fit tests
半鞅检测与拟合优度检验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：摘要明确以资产价格半鞅模型为背景，并直接提出针对波动率类过程的拟合优度检验。
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
半鞅检测与拟合优度检验
- 研究问题
- 对资产价格的参数半鞅模型，如何检验波动率类过程的模型拟合，并在含噪声观测下检测偏离模型的信号？
- 方法与思路
- 作者将多种半鞅模型的波动率类拟合检验化为噪声下的半鞅检测问题，再构造小波阈值检验以获得自适应检测能力。
- 材料陈述的贡献
- 摘要称，提出的拟合优度检验可用于多种半鞅模型，小波阈值方法具有自适应且近最优的检测速率；具体条件未列出。
- 阅读关注点
- 应核对适用的半鞅模型、观测噪声设定、检测备择与函数类别，以及自适应性和近最优速率采用的比较标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；采样机制、误差控制和模型条件未说明，不能据此认定适用于任意金融数据或其他版本。
原文摘要
In quantitative finance, we often fit a parametric semimartingale model to asset prices. To ensure our model is correct, we must then perform goodness-of-fit tests. In this paper, we give a new goodness-of-fit test for volatility-like processes, which is easily applied to a variety of semimartingale models. In each case, we reduce the problem to the detection of a semimartingale observed under noise. In this setting, we then describe a wavelet-thresholding test, which obtains adaptive and near-optimal detection rates.