R语言 Sim.DiffProc包 PEOUexp()函数中文帮助文档(中英文对照)

loveR

PEOUexp(Sim.DiffProc)
PEOUexp()所属R语言包：Sim.DiffProc

                                         Parametric Estimation of Ornstein-Uhlenbeck Model (Explicit Estimators)
                                         参数估计的奥恩斯坦 - 乌伦贝克型号（显式估计）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Explicit estimators of Ornstein-Uhlenbeck Model.
奥恩斯坦 - 乌伦贝克模型的显式估计。


用法----------Usage----------


PEOUexp(X, delta)



参数----------Arguments----------

参数：X
a numeric vector of the observed time-series values.  
所观察到的时间序列值的一个数值向量。


参数：delta
the fraction of the sampling period between successive observations.  
的采样周期之间的连续观测的馏分。


Details

详细信息----------Details----------

This process solves the stochastic differential equation :
该工艺解决了随机微分方程：

It is ergodic for r > 0.
是遍历性r > 0。

We have also shown its exact conditional and stationary densities. In particular, the conditional density p(t,.|x) is the density of a Gaussian law with mean = x0 * exp(-r*t) and variance = ((sigma^2)/(2*r))*(1-exp(-2*r*t)), the maximum likelihood estimator of r is available in explicit form and takes the form :
我们还展示了其确切的条件和固定密度。特别是，条件密度p(t,.|x)是一个Gaussian law与mean = x0 * exp(-r*t)和variance = ((sigma^2)/(2*r))*(1-exp(-2*r*t))，r最大似然估计是在明确的形式和密度采用以下形式：

which is defined only if  sum(X(t)*X(t-1)) > 0, this estimator is consistent and asymptotically Gaussian.
这是只有sum(X(t)*X(t-1)) > 0，这个估计是一致的，渐进高斯。

The maximum likelihood estimator of :
最大似然估计：


值----------Value----------


参数：r
Estimator of speed of reversion.
速度回归估计的。


参数：sigma
Estimator of volatility.
估计的波动性。


（作者）----------Author(s)----------



Boukhetala Kamal, Guidoum Arsalane.




参见----------See Also----------

PEABM Parametric Estimation of Arithmetic Brownian Motion, PEOU Parametric Estimation of Ornstein-Uhlenbeck Model, PEOUG Parametric Estimation of Hull-White/Vasicek Models, PEBS Parametric Estimation of model Black-Scholes.
PEABM的算术布朗运动参数估计，PEOU奥恩斯坦 - 乌伦贝克模型的参数估计，PEOUGHull-White/Vasicek模型的参数估计，PEBS参数估计模型黑 - 斯科尔斯。


实例----------Examples----------



## t0 = 0 ,T = 10[＃t0时刻= 0，T = 10]
data(DATA1)
res <- PEOUexp(DATA1,delt=0.01)
res
OUF(N=1000,M=10,t0=0,T=10,x0=DATA1[1],r=res$r,sigma=res$sigma)
points(seq(0,10,length=length(DATA1)),DATA1,type="l",lwd=3,col="blue")

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。