Parameter estimation of sub-Gaussian stable distributions

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00439707" target="_blank" >RIV/67985556:_____/14:00439707 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.14736/kyb-2014-6-0929" target="_blank" >http://dx.doi.org/10.14736/kyb-2014-6-0929</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.14736/kyb-2014-6-0929" target="_blank" >10.14736/kyb-2014-6-0929</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Parameter estimation of sub-Gaussian stable distributions

Popis výsledku v původním jazyce

In this paper, we present a parameter estimation method for sub-Gaussian stable distributions. Our algorithm has two phases: in the first phase, we calculate the average values of harmonic functions of observations and in the second phase, we conduct themain procedure of asymptotic maximum likelihood where those average values are used as inputs. This implies that the main procedure of our method does not depend on the sample size of observations. The main idea of our method lies in representing the partial derivative of the density function with respect to the parameter that we estimate as the sum of harmonic functions and using this representation for finding this parameter. For fifteen summands we get acceptable precision. We demonstrate this methodology on estimating the tail index and the dispersion matrix of sub-Gaussian distributions.

Název v anglickém jazyce

Parameter estimation of sub-Gaussian stable distributions

Popis výsledku anglicky

In this paper, we present a parameter estimation method for sub-Gaussian stable distributions. Our algorithm has two phases: in the first phase, we calculate the average values of harmonic functions of observations and in the second phase, we conduct themain procedure of asymptotic maximum likelihood where those average values are used as inputs. This implies that the main procedure of our method does not depend on the sample size of observations. The main idea of our method lies in representing the partial derivative of the density function with respect to the parameter that we estimate as the sum of harmonic functions and using this representation for finding this parameter. For fifteen summands we get acceptable precision. We demonstrate this methodology on estimating the tail index and the dispersion matrix of sub-Gaussian distributions.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

AH - Ekonomie

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-14445S" target="_blank" >GA13-14445S: Nové trendy ve stochastických ekonomických modelech za neurčitosti</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název periodika

Kybernetika

ISSN

0023-5954

e-ISSN

—

Svazek periodika

50

Číslo periodika v rámci svazku

6

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

21

Strana od-do

929-949

Kód UT WoS článku

000348961900006

EID výsledku v databázi Scopus

—