Information theory for maximum likelihood estimation of diffusion models
扩散模型最大似然估计的信息理论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：摘要研究通用扩散模型的似然与信息准则，未明确对应给定的宏观或金融应用细分，因此保留空分类。
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
扩散模型最大似然估计的信息理论
- 研究问题
- 对可能误设的扩散模型，最大似然估计在观测间隔缩短、观测跨度增长时趋向什么目标，近似转移密度又如何影响该目标？
- 方法与思路
- 作者定义两个衡量扩散过程与真实过程差异的信息准则，研究最大似然估计的极限，并以准则曲率联系正确设定下的渐近方差。
- 材料陈述的贡献
- 摘要称最大似然估计趋向信息准则最小化点；误设时该点定义伪真参数，且采用近似转移密度会影响伪真漂移参数。
- 阅读关注点
- 应核对两个准则的定义、采样间隔与跨度的联合渐近条件，以及误设和转移密度近似分别如何影响伪真参数与方差表达。
- 阅读边界
- 仅据所给出版社摘要，扩散过程的正则条件、近似密度形式与误设下推断方法未说明，也未提供具体宏观或金融应用。
原文摘要
We develop an information theoretic framework for maximum likelihood estimation of diffusion models. Two information criteria that measure the divergence of a diffusion process from the true diffusion are defined. The maximum likelihood estimator (MLE) converges asymptotically to the limit that minimizes the criteria when sampling interval decreases as sampling span increases. When both drift and diffusion specifications are correct, the criteria become zero and the inverse curvatures of the criteria equal the asymptotic variance of the MLE. For misspecified models, the minimizer of the criteria defines pseudo-true parameters. Pseudo-true drift parameters depend on approximate transition densities if used.