非参数贝叶斯Hölder连续扩散系数估计
需积分: 16 70 浏览量
更新于2024-07-09
收藏 1.43MB PDF 举报
"这篇研究论文探讨了一种非参数贝叶斯方法,用于估计随机微分方程(RDE)中的扩散系数。在固定时间间隔内,该方法基于离散时间观测值来估算扩散系数。论文中提出了一个直方图类型的先验,其中扩散系数在时间间隔的各段上表现为分段常数,这些常数由独立的逆伽玛分布随机变量确定。作者通过理论分析证明了这种方法的合理性,即后验分布会随着数据的增加而逐渐集中在生成扩散系数的周围,尤其对于具有0<λ≤1 Hölder连续性的扩散系数,其后收缩率最优。此外,该方法易于实施,因为后验分布仍保持为逆伽玛分布,且在多种模拟实验中表现出良好的实证效果。最后,论文将此方法应用到一个汇率数据集上,进一步验证其有效性。"
在随机微分方程领域,扩散系数是一个关键参数,它描述了系统的波动性或不稳定性。传统的参数化方法可能会受到模型假设的限制,而非参数方法则试图绕过这些限制,提供更灵活的估计方式。这篇论文提出的非参数贝叶斯方法利用直方图类型的先验,允许扩散系数在不同时间区间有不同的常数值,从而更好地适应复杂的数据结构。
逆伽玛分布作为先验,具有可调整的形状和尺度参数,可以控制扩散系数的不确定性和变异性。逆伽玛分布的后验形式保持不变,使得采样和计算更加简便。此外,论文证明了后验收缩率的最优性,这意味着在数据充足的情况下,估计的扩散系数将逐渐逼近真实值,且对于Hölder连续性为0<λ≤1的扩散系数,该方法的收敛速度最快。
通过广泛的模拟研究,论文展示了方法在各种情境下的稳健性和实用性,进一步增强了其作为估计工具的吸引力。最后,实际数据的应用部分,即对汇率数据集的分析,证实了该方法在处理真实世界问题时的有效性,这也是对理论结果的实证验证。
这篇论文提出的非参数贝叶斯方法为RDE的扩散系数提供了新的估计策略,尤其适合处理具有Hölder连续性的复杂情况,其理论严谨性和实证表现都表明这是一项有价值的贡献。
2022-06-18 上传
2020-05-30 上传
2024-10-09 上传
2023-05-24 上传
2023-06-12 上传
2024-01-08 上传
2023-06-08 上传
2024-10-17 上传
2023-09-09 上传
weixin_38658982
- 粉丝: 7
- 资源: 941
最新资源
- 天池大数据比赛:伪造人脸图像检测技术
- ADS1118数据手册中英文版合集
- Laravel 4/5包增强Eloquent模型本地化功能
- UCOSII 2.91版成功移植至STM8L平台
- 蓝色细线风格的PPT鱼骨图设计
- 基于Python的抖音舆情数据可视化分析系统
- C语言双人版游戏设计:别踩白块儿
- 创新色彩搭配的PPT鱼骨图设计展示
- SPICE公共代码库:综合资源管理
- 大气蓝灰配色PPT鱼骨图设计技巧
- 绿色风格四原因分析PPT鱼骨图设计
- 恺撒密码:古老而经典的替换加密技术解析
- C语言超市管理系统课程设计详细解析
- 深入分析:黑色因素的PPT鱼骨图应用
- 创新彩色圆点PPT鱼骨图制作与分析
- C语言课程设计:吃逗游戏源码分享