Abstract

Nous étudions le problème de l’estimation de la matrice de diffusion $\Sigma$ d’un processus de Lévy en grande dimension, qui peut être changé de temps, en se basant sur des observations discrètes du processus à une distance fixée. Nous imposons une condition de faible rang sur $\Sigma$. À l’aide d’une méthode spectrale, nous construisons un estimateur pondéré des moindres carrés avec une pénalisation par une norme nucléaire. Nous prouvons des inégalités oracle et obtenons des vitesses de convergence pour l’estimateur de la matrice de diffusion. Nous constatons que ces vitesses dépendent du rang de $\Sigma$ d’une façon surprenante, et qu’elles sont optimales au sens minimax pour une dimension fixée. Ces résultats théoriques sont illustrés par une étude de simulations.

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call

Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.