Maximum-likelihood estimators and random walks in long memory models
Maximum-likelihood estimators and random walks in long memory models
复制标题
DOI：
10.1080/02331881003768750
复制
发表时间：
2007-11
期刊：
影响因子：
1.9
通讯作者：
K. Bertin;S. Torres;C. Tudor
中科院分区：
文献类型：
--
作者：
K. Bertin;S. Torres;C. Tudor
我们考虑由高斯和非高斯自相似过程驱动的统计模型，并构造漂移参数的最大似然估计。我们的方法是基于非高斯的情况下的近似随机行走的驱动噪声。我们研究了估计的渐近行为，并给出了一些数值模拟来说明我们的结果。
We consider statistical models driven by Gaussian and non-Gaussian self-similar processes with long memory and we construct maximum-likelihood estimators for the drift parameter. Our approach is based on the non-Gaussian case on the approximation by random walks of the driving noise. We study the asymptotic behaviour of the estimators and we give some numerical simulations to illustrate our results.