{dede:global.cfg_webname/}
  • English
  • 官方微信
  • 首页
  • 栏目名称
    • 测试
  • 第二个
  • 首页
  • 学院概况
    • 学院简介
    • 历史沿革
    • 机构设置
    • 现任领导
    • 历任领导
    • 联系我们
  • 师资队伍
    • 全职教工
    • 讲座 兼职教授
    • 重要人才计划
    • 退休人员名单
  • 人才培养
    • 本科生培养
    • 硕士生培养
    • 博士生培养
  • 科学研究
    • 学术交流
    • 重点学科
    • 科研机构
    • 科研团队
    • 科研成果
    • 讨论班
  • 党团建设
    • 党建动态
    • 工会活动
    • 团学工作
  • 理论学习
    • 主题教育
  • 合作交流
    • 国际合作
    • 校际合作
    • 校企合作
  • 招生就业
    • 招生信息
    • 就业信息
    • 招生宣传
  • 校友之家
    • 校友组织
    • 校友基金
    • 校友活动
    • 百年院庆
    • 校友动态
    • 知名校友
  • 院务信箱

学术交流

  • 学术交流
  • 重点学科
  • 科研机构
  • 科研团队
  • 科研成果
  • 讨论班

学术交流

Maximum Likelihood Estimation for Symmetricα-stable Ornstein-Unlenbeck Processes

日期:2021-11-23  作者:  点击:[]

报告题目:Maximum Likelihood Estimation for Symmetricα-stable Ornstein-Unlenbeck Processes

主 讲 人:陈晓鹏

单 位:汕头大学

时 间:11月24日20:00

腾 讯 ID:990 580 430


摘 要:

We consider the maximum likelihood estimation for the symmetric α-stable Ornstein-Unlenbeck (SαS-OU ) processes based on discrete observations. Since the closed-form expression of maximum likelihood function is hard to obtain in the Lévy case, we choose a mixture of Cauchy and Gaussian distribution to approximate the probability density function (PDF) of the SαS distribution. By means of transition function and Laplace transform, we construct an explicit approximate sequence of likelihood function, which converges to the likelihood function of SαS distribution. Based on the approximation of likelihood function we give an algorithm for computing maximum likelihood estimation. We also numerically simulate some experiments which demonstrate the accuracy and stability of the proposed estimator.


简 介:

陈晓鹏,汕头大学副教授。2010年博士毕业于华中科技大学,2010年至2014年先后在澳大利亚阿德雷德大学和北京大学北京国际数学研究中心做博士后工作。主持完成国家自然科学青年基金,广东省自然科学基金,中国博士后科学基金,论文发表在Proc. Amer. Math. Soc.,Dyn. Sys.,P. Roy. Soc. Edinb. A.等国际数学期刊上。

上一条:Scattering between Wobbling Kinks 下一条:Banach空间中的Schauder基及无条件Schauder基

【关闭】

友情链接

  • 学校教务处
  • 学校党委办公室
  • 学校校长办公室
  • 清华大学数学系
  • 浙江大学数学科学院
  • 上海大学数学系
版权信息