Estimation des processus aléatoires échantillonnés irrégulièrement

Générez un processus OrnsteinUhlenbeckProcess irrégulièrement échantillonné.

In[1]:=

sample = TimeSeriesResample[ RandomFunction[ OrnsteinUhlenbeckProcess[0, .1, .3], {0, 100, .1}], {Sort[ RandomReal[100, 1000]]}]

Out[1]=

In[2]:=

ListLinePlot[sample, Filling -> Axis, ImageSize -> Medium, PlotTheme -> "Detailed"]

Out[2]=

Estimez les paramètres du processus à partir de données échantillonnées irrégulièrement.

In[3]:=

EstimatedProcess[sample, OrnsteinUhlenbeckProcess[\[Mu], \[Sigma], \[Theta]]]

Out[3]=

Récupérez les cours de l'action GE depuis le 1^er janvier 2013 et convertissez-les en TemporalData.

In[4]:=

price = TemporalData[FinancialData["GE", "Jan. 1, 2013"]]

Out[4]=

In[5]:=

DateListPlot[price, Filling -> Axis, ImageSize -> Medium, PlotTheme -> "Detailed"]

Out[5]=

L'horodatage des données de prix de l'action est non uniforme.

In[6]:=

MinMax[Differences[price["Times"]]]

Out[6]=

Supposons que le logarithme du prix satisfasse FractionalBrownianMotionProcess, estimez les paramètres.

In[7]:=

EstimatedProcess[Log[price], FractionalBrownianMotionProcess[\[Mu], \[Sigma], h]]

Out[7]=