分数Ornstein-Uhlenbeck过程最小二乘估计改进的Berry-Esséen界

该文目的有二.一是得到了当Hurst参数H∈(0,1/2)时,分数布朗运动联系的Hilbert空间H中有界变差函数的一种新颖的内积计算公式.这个新公式基于有界变差函数的Lebesgue-Stieljes测度的一种分解以及Lebesgue-Stieljes测度的分部积分公式.二是作为该公式的应用,通过寻找对称张量空间H^(⊙2)中二元函数fT(t,s)=e^(−θ|t−s|)1{0≤s,t≤T},其范数的平方做为T的函数当T→∞时的渐近线,改进了当H∈(1/4,1/2)时,分数Ornstein-Uhlenbeck过程漂移系数最小二乘估计的Berry-Esséen类上界.该文的渐近分析比Hu,Nualart,Zhou(2019)引理17的相应结论精细许多;该文改进的Berry-Esséen界是Chen,Li(2021)定理1.1相应结论的最佳改进.作为一个附产品,该文也给出上述渐近分析的另一个应用,分数Ornstein-Uhlenbeck过程漂移系数矩估计的Berry-Esséen类上界,其证明方法和Sottinen,Viitasaari(2018)命题4.1的方法显著不同.

PA序列样本分位数估计的Berry-Esséen型界

主要利用PA随机序列的有关不等式,在合适条件下探讨了PA样本分位数估计的Berry-Esséen型界,获得了其一致渐近正态性的收敛速度且在三阶矩有限时,其收敛速度近似为O(n-1/6).

一类分数高斯噪声驱动的Ornstein-Uhlenbeck过程的参数估计:Hurst参数H∈(0,1/2)

Chen和Zhou(2021)研究了一类分数高斯过程(G_(t))_(t≥0)驱动的Ornstein-Uhlenbeck过程的参数估计问题,其中协方差函数R(t,s)=E[G_(t)G_(s)]的二阶混合偏导分解成两个部分:一个与分数布朗运动相同,另一个以(ts)^(H−1)为界,其中H∈(1/2,1).该文研究同一问题,但假设H∈(0,1/2).分数高斯过程联系的希尔伯特空间H当H∈(1/2,1)和H∈(0,1/2)时差异显著.该文的起点是这类高斯过程(G_(t))t≥0和分数布朗运动(B^(H)_(t))t≥0分别联系的希尔伯特空间H和H_(1)的内积之间的一种定量关系.该文得到漂移参数基于连续时间观测的最小二乘估计和矩估计的强相合性,其中H∈(0,1/2),及渐近正态性和Berry-Esséen类上界,其中H∈(0,3/8).