Estimación paramétrica de procesos de difusión: una revisión y estudio comparativo
Autores: López-Pérez, Alejandra; Febrero-Bande, Manuel; González-Manteiga, Wencesalo
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Estimación paramétrica de procesos de difusión: una revisión y estudio comparativo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Métodos de estimación paramétrica
Ecuaciones diferenciales estocásticas estacionarias
Ruido de Wiener
Observaciones en tiempo discreto
Dinámica de la tasa de interés a corto plazo
Procesos de difusión en tiempo continuo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Este documento proporciona una revisión detallada sobre los métodos de estimación paramétrica para ecuaciones diferenciales estocásticas (SDE) estacionarias impulsadas por ruido de Wiener con observaciones de tiempo discreto. La dinámica de la tasa de interés a corto plazo suele describirse mediante procesos de difusión en tiempo continuo, cuyos parámetros están sujetos a sesgo de estimación, ya que los datos son altamente persistentes, y sesgo de discretización, ya que los datos se muestrean de forma discreta a pesar de la naturaleza en tiempo continuo del modelo. Para evaluar el papel de la persistencia y el impacto de la frecuencia de muestreo en la estimación, realizamos un estudio de simulación bajo diferentes configuraciones para comparar el rendimiento de los procedimientos e ilustrar el comportamiento de la muestra finita. Para completar la encuesta, se proporciona una aplicación de los procedimientos a datos reales.
Descripción
Este documento proporciona una revisión detallada sobre los métodos de estimación paramétrica para ecuaciones diferenciales estocásticas (SDE) estacionarias impulsadas por ruido de Wiener con observaciones de tiempo discreto. La dinámica de la tasa de interés a corto plazo suele describirse mediante procesos de difusión en tiempo continuo, cuyos parámetros están sujetos a sesgo de estimación, ya que los datos son altamente persistentes, y sesgo de discretización, ya que los datos se muestrean de forma discreta a pesar de la naturaleza en tiempo continuo del modelo. Para evaluar el papel de la persistencia y el impacto de la frecuencia de muestreo en la estimación, realizamos un estudio de simulación bajo diferentes configuraciones para comparar el rendimiento de los procedimientos e ilustrar el comportamiento de la muestra finita. Para completar la encuesta, se proporciona una aplicación de los procedimientos a datos reales.