Least-squares estimators of drift parameter for discretely observed fractional Ornstein-Uhlenbeck processes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F20%3A43920940" target="_blank" >RIV/60461373:22340/20:43920940 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.mdpi.com/2227-7390/8/5/716/pdf" target="_blank" >https://www.mdpi.com/2227-7390/8/5/716/pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3390/MATH8050716" target="_blank" >10.3390/MATH8050716</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Least-squares estimators of drift parameter for discretely observed fractional Ornstein-Uhlenbeck processes

Popis výsledku v původním jazyce

We introduce three new estimators of the drift parameter of a fractional Ornstein-Uhlenbeck process. These estimators are based on modifications of the least-squares procedure utilizing the explicit formula for the process and covariance structure of a fractional Brownian motion. We demonstrate their advantageous properties in the setting of discrete-time observations with fixed mesh size, where they outperform the existing estimators. Numerical experiments by Monte Carlo simulations are conducted to confirm and illustrate theoretical findings. New estimation techniques can improve calibration of models in the form of linear stochastic differential equations driven by a fractional Brownian motion, which are used in diverse fields such as biology, neuroscience, finance and many others. © 2020 by the authors.

Název v anglickém jazyce

Least-squares estimators of drift parameter for discretely observed fractional Ornstein-Uhlenbeck processes

Popis výsledku anglicky

We introduce three new estimators of the drift parameter of a fractional Ornstein-Uhlenbeck process. These estimators are based on modifications of the least-squares procedure utilizing the explicit formula for the process and covariance structure of a fractional Brownian motion. We demonstrate their advantageous properties in the setting of discrete-time observations with fixed mesh size, where they outperform the existing estimators. Numerical experiments by Monte Carlo simulations are conducted to confirm and illustrate theoretical findings. New estimation techniques can improve calibration of models in the form of linear stochastic differential equations driven by a fractional Brownian motion, which are used in diverse fields such as biology, neuroscience, finance and many others. © 2020 by the authors.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/LTAIN19007" target="_blank" >LTAIN19007: Vývoj pokročilých výpočetních algoritmů pro objektivní posouzení pooperační rehabilitace</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Mathematics

ISSN

2227-7390

e-ISSN

—

Svazek periodika

8

Číslo periodika v rámci svazku

5

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

20

Strana od-do

—

Kód UT WoS článku

000542738100018

EID výsledku v databázi Scopus

2-s2.0-85085530851