A Comparison of Traditional and Deep Learning Methods for Parameter Estimation of the Ornstein-Uhlenbeck Process
创建于 更新于
摘要
本报告系统对比了传统参数估计方法（如最大似然估计、最小二乘估计和卡尔曼滤波）与深度学习方法（多层感知机，MLP）在 Ornstein-Uhlenbeck 过程参数估计中的表现。通过大量轨迹数据训练，MLP 显著优于传统方法，能更准确地估计均值回复率、长期均值和波动率参数，且随着数据规模增加表现进一步提升，验证了其强大的拟合能力和潜在的实时应用价值 [page::0][page::1][page::6][page::7]。
