本文发展了基于 Ito 扩散的新型特征算子,针对任何具有快速耦合 Ito 扩散的目标,开发了明确的多元 Stein 因子边界,并应用于多个实际应用中,从而通过质量度量来选择超参数,比较随机和确定性的积分规则,并量化近似 MCMC 中的偏差 - 方差权衡。
Nov, 2016
使用斯坦因方法可以通过采样分布的渐变信息来减少蒙特卡罗估计器的方差,本文建立了一类基于斯坦因方法的估计器的理论界限,分析考虑了采样分布和测试函数的平滑程度,状态空间的维数,以及来源于马尔可夫链的非独立样本的情况,这些结果提供了关于基于梯度的估计器快速收敛的见解,以及澄清了这种方法固有的维度问题。
Mar, 2016
本文提出了一种基于变点的高频数据统计方法,重点关注离散观察的 Itō半鞅序列的波动性,并构建最小化方法来区分连续的路径和包含波动性跳跃的路径,从而推断波动性的平滑性和变化。
Jan, 2015
本文介绍了一种变体 STIV 估计器,其中除了一个圆锥约束之外,还有许多圆锥约束,允许直接使用适度偏差进行自正态化总和。该估计器应该被称为 C-STIV,以避免与 STIV 估计器混淆,并在公式(6.5)中出现了该估计器的思想。
Dec, 2018
本文主要探讨了有限混合物中参数的可识别性和收敛行为,以及使用额外混合组件进行模型拟合的影响,并给出了强可识别性的一般理论,以及对于某些弱可识别性的模型,它们密度函数的代数结构对模型参数的估计收敛率具有决定作用,本文通过模拟研究了多个设置的的收敛率。
该论文提出了一种新的以渐近理论为基础的估计方法来处理大量资产的市场波动率矩阵和实现波动率矩阵的稀疏性假设,这种方法在大规模和复杂的市场中具有很好的表现,得到实际高频金融数据的应用。
Feb, 2010
提出了 Stein 方法的新的一般版本,其中包括一种概率分布的 Stein 运算符的规范定义,该运算符是基于线性差分或微分类型运算符的;利用 Stein 运算符作用于函数对的思想,提供了广泛的分布比较工具包;给出了几个抽象逼近定理;并演示了该方法与几种分布对的比较。
Aug, 2014
研究非参数回归问题时,回归器是内生的,这是计量经济学中重要的非参数工具变量回归(NPIV)回归,也是统计学中具有未知操作符的困难不逆问题。我们首先建立筛估计器的一般上界,允许内生回归器和弱依赖数据。这个结果导致了样条和小波最小二乘回归估计量在弱相关数据和重尾误差项下的最优准则率。
Nov, 2013
给定独立同分布随机变量的样本的序统计量的非渐近方差和尾部界限。当抽样分布属于最大吸引域时,这些界限被证明是渐近解。如果抽样分布具有非降的危险率(包括高斯分布),我们推导出序统计的指数 Efron-Stein 不等式,以将中心序统计的对数矩生成函数与 Efron-Stein(卡松尼)估计的方差的指数矩相联系。我们使用这个一般的连接来推导高斯样本的序统计的方差和尾部边界。这些界限不在茨瑞耶松 - 伊布拉吉莫夫 - 苏达科夫高斯浓度不等式的范围内。证明是基本的,结合了序统计的 Renyi 表示以及 M. Ledoux 普及的集中不等式的所谓熵方法。
Jul, 2012
该论文讨论了非参数工具变量估计的多个重要贡献,提出了计算简单的筛子 NPIV 估计下 $h_0$ 及其导数的上准则收敛率,并建立了均匀高斯过程强逼近和对 $h_0$ 非线性泛函的评分自举均匀置信带,应用于燃油需求的确切消费者剩余和死重损失函数式下的点值和均匀推论结果。
Aug, 2015