Estimation of self-similarity index for Rosenblatt models

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F24%3A10501393" target="_blank" >RIV/00216208:11320/24:10501393 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/CDC56724.2024.10886859" target="_blank" >https://doi.org/10.1109/CDC56724.2024.10886859</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/CDC56724.2024.10886859" target="_blank" >10.1109/CDC56724.2024.10886859</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Estimation of self-similarity index for Rosenblatt models
Popis výsledku v původním jazyce
In this paper, we address the self-similarity index estimation problem. For observations of a Rosenblatt process, we propose a new estimator based on the logarithmic variation with adjustment for bias and perform numerical simulations that show good performance of this estimator. We also address the problem of estimation of the self-similarity index for SDEs driven by a Rosenblatt process. A robust (against drift and noise intensity misspecification) estimator is described and its (asymptotic) behavior is analyzed both theoretically and in simulations.
Název v anglickém jazyce
Estimation of self-similarity index for Rosenblatt models
Popis výsledku anglicky
In this paper, we address the self-similarity index estimation problem. For observations of a Rosenblatt process, we propose a new estimator based on the logarithmic variation with adjustment for bias and perform numerical simulations that show good performance of this estimator. We also address the problem of estimation of the self-similarity index for SDEs driven by a Rosenblatt process. A robust (against drift and noise intensity misspecification) estimator is described and its (asymptotic) behavior is analyzed both theoretically and in simulations.

Projekt
<a href="/cs/project/GA22-12790S" target="_blank" >GA22-12790S: Stochastické systémy v nekonečné dimensi</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the IEEE Conference on Decision and Control
ISBN
979-8-3503-1633-9
ISSN
0743-1546
e-ISSN
2576-2370
Počet stran výsledku
6
Strana od-do
4227-4232
Název nakladatele
IEEE
Místo vydání
New York, NY
Místo konání akce
Milan, Italy
Datum konání akce
16. 12. 2024
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
001445827203100

Podobné výsledky(10)