Masaaki Fukasawa
Notre collaboration porte, dâune part, sur la statistique asymptotique des processus fractionnaires. Nous avons notamment dĂ©fini la notion dâefficaciteÌ asymptotique dans une expĂ©rience statistique singulieÌre impliquant le bruit gaussien fractionnaire. Dans cette expĂ©rience, lâestimateur de maximum de vraisemblance est asymptotiquement efficace mais gĂ©nĂ©ralement long aÌ calculer. Pour remĂ©dier Ă ce problĂšme, jâai proposĂ©Ì des proceÌdures dâestimation one-step asymptotiquement efficaces elles aussi mais rapides aÌ calculer [2]. Masaaki, de son cĂŽtĂ©, a proposĂ© un estimateur de type Whittle [3].
Nous souhaiterions Ă©tendre ces rĂ©sultats au processus dâOrnstein-Uhlenbeck fractionnaire observĂ© Ă haute-frĂ©quence pour lequel notre preuve ne fonctionne plus.
Nous discuterons Ă©galement des nouvelles procĂ©dures dâestimation efficace dans les processus de diffusion Ă coefficients singuliers et dans les processus markoviens Ă rĂ©gimes.
[1] A. Brouste and M. Fukasawa (2018) Local asymptotic normality property for fractional Gaussian noise under high-frequency observations, The Annals of Statistics, 46(5), 2045-2061.
[2] A. Brouste, M. Soltane and E. Votsi (2020) One-step estimation for the fractional Gaussian noise model at high-frequency, ESAIM PS, 24, 827-841.
[3] M. Fukasawa et T. Takabatake (2019) Asymptotically efficient estimators for self-similar stationary Gaussian noises under high frequency observations, Bernoulli, 25, 1870-1900.