Non parametric estimation of the diffusion ...
Document type :
Pré-publication ou Document de travail
Title :
Non parametric estimation of the diffusion coefficents of a diffusion with jumps
Author(s) :
Keyword(s) :
model selection
jump diffusions
jump diffusions
English keyword(s) :
adaptive estimation
nonparametric estimation
nonparametric estimation
HAL domain(s) :
Mathématiques [math]/Statistiques [math.ST]
Statistiques [stat]/Théorie [stat.TH]
Statistiques [stat]/Théorie [stat.TH]
French abstract :
Nous observons une diffusion à sauts $(X_{t})_{t\geq0}$ à des instants discrets $t=0,\Delta,\ldots,n\Delta$. Le temps d'observation $n\Delta$ tend vers l'infini et le pas d'observation $\Delta$ tend vers 0). Nous supposons ...
Show more >Nous observons une diffusion à sauts $(X_{t})_{t\geq0}$ à des instants discrets $t=0,\Delta,\ldots,n\Delta$. Le temps d'observation $n\Delta$ tend vers l'infini et le pas d'observation $\Delta$ tend vers 0). Nous supposons que le processus $(X_{t})_{t\geq0}$ est ergodique, stationnaire et exponentiellement $\beta$-mélangeant. Nous construisons des estimateurs adaptatifs des fonctions $\sigma^{2}+\xi^{2}$ et $\sigma^{2}$, où $\sigma^{2}$ est le coefficient de diffusions et $\xi^{2}$ le coefficient de sauts, grâce à une méthode de moindres carrés pénalisés. Nous majorons le risque de ces estimateurs de manière non asymptotique.Show less >
Show more >Nous observons une diffusion à sauts $(X_{t})_{t\geq0}$ à des instants discrets $t=0,\Delta,\ldots,n\Delta$. Le temps d'observation $n\Delta$ tend vers l'infini et le pas d'observation $\Delta$ tend vers 0). Nous supposons que le processus $(X_{t})_{t\geq0}$ est ergodique, stationnaire et exponentiellement $\beta$-mélangeant. Nous construisons des estimateurs adaptatifs des fonctions $\sigma^{2}+\xi^{2}$ et $\sigma^{2}$, où $\sigma^{2}$ est le coefficient de diffusions et $\xi^{2}$ le coefficient de sauts, grâce à une méthode de moindres carrés pénalisés. Nous majorons le risque de ces estimateurs de manière non asymptotique.Show less >
English abstract : [en]
In this article, we consider a jump diffusion process (X_t), with drift function b, diffusion coefficient sigma and jump coefficient xi^{2}. This process is observed at discrete times t=0,Delta,...,nDelta. The sampling ...
Show more >In this article, we consider a jump diffusion process (X_t), with drift function b, diffusion coefficient sigma and jump coefficient xi^{2}. This process is observed at discrete times t=0,Delta,...,nDelta. The sampling interval Delta tends to 0 and nDelta tends to infinity. We assume that (X_t) is ergodic, strictly stationary and exponentially beta-mixing. We use a penalized least-square approach to compute adaptive estimators of the functions sigma^2+xi^2 and sigma^2. We provide bounds for the risks of the two estimators.Show less >
Show more >In this article, we consider a jump diffusion process (X_t), with drift function b, diffusion coefficient sigma and jump coefficient xi^{2}. This process is observed at discrete times t=0,Delta,...,nDelta. The sampling interval Delta tends to 0 and nDelta tends to infinity. We assume that (X_t) is ergodic, strictly stationary and exponentially beta-mixing. We use a penalized least-square approach to compute adaptive estimators of the functions sigma^2+xi^2 and sigma^2. We provide bounds for the risks of the two estimators.Show less >
Language :
Anglais
Collections :
Source :
Files
- document
- Open access
- Access the document
- estimation_coefficients_sauts_version_5.pdf
- Open access
- Access the document