A Multiresolution Method for Parameter Estimation of Diffusion Processes
扩散过程参数估计的多分辨率方法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：摘要以通用扩散过程推断为主，虽有金融应用，但未说明涉及定价、波动率、高频或其他具体金融细分。
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…
扩散过程参数估计的多分辨率方法
- 研究问题
- 连续时间扩散过程通常只有离散观测且缺乏解析似然，如何降低参数推断的近似误差与潜在数据采样的计算负担？
- 方法与思路
- 作者提出多分辨率贝叶斯框架，结合多种离散近似与外推进行推断，并用于包含完全未观测分量的多元扩散模型。
- 材料陈述的贡献
- 摘要称，该方法比已知的 Gibbs 采样策略更快且更准确，并展示一项生物物理和两项金融数据驱动的推断应用。
- 阅读关注点
- 应核对不同分辨率如何组合、外推误差如何控制、潜在路径的处理，以及速度和精度比较是否采用可比的计算预算。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明比较策略、数值幅度及金融应用的具体问题。
原文摘要
Diffusion process models are widely used in science, engineering and finance. Most diffusion processes are described by stochastic differential equations in continuous time. In practice, however, data is typically only observed at discrete time points. Except for a few very special cases, no analytic form exists for the likelihood of such discretely observed data. For this reason, parametric inference is often achieved by using discrete-time approximations, with accuracy controlled through the introduction of missing data. We present a new multiresolution Bayesian framework to address the inference difficulty. The methodology relies on the use of multiple approximations and extrapolation, and is significantly faster and more accurate than known strategies based on Gibbs sampling. We apply the multiresolution approach to three data-driven inference problems - one in biophysics and two in finance - one of which features a multivariate diffusion model with an entirely unobserved component.