<?xml version="1.0" encoding="utf-8"?><!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.0 20120330//EN" "JATS-journalpublishing1.dtd"><article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" article-type="other">
<front>
<journal-meta>
<journal-id journal-id-type="publisher-id">VMSTA</journal-id>
<journal-title-group><journal-title>Modern Stochastics: Theory and Applications</journal-title></journal-title-group>
<issn pub-type="epub">2351-6054</issn>
<issn pub-type="ppub">2351-6046</issn>
<issn-l>2351-6046</issn-l>
<publisher>
<publisher-name>VTeX</publisher-name><publisher-loc>Mokslininkų g. 2A, 08412 Vilnius, Lithuania</publisher-loc>
</publisher>
</journal-meta>
<article-meta>
<article-id pub-id-type="publisher-id">VMSTA74KI</article-id>
<article-id pub-id-type="doi">10.15559/20-VMSTA74KI</article-id>
<article-categories><subj-group subj-group-type="heading">
<subject>Keywords Index</subject></subj-group></article-categories>
<title-group>
<article-title>Keywords index</article-title><subtitle>Volume 7, 2020</subtitle>
</title-group>
<pub-date pub-type="ppub"><year>2020</year></pub-date>
<pub-date pub-type="epub"><day>23</day><month>12</month><year>2020</year></pub-date><volume>7</volume><issue>4</issue><fpage>471</fpage><lpage>472</lpage>
<permissions><copyright-statement>© 2020 The Author(s). Published by VTeX</copyright-statement><copyright-year>2020</copyright-year>
<license license-type="open-access" xlink:href="http://creativecommons.org/licenses/by/4.0/">
<license-p>Open access article under the <ext-link ext-link-type="uri" xlink:href="http://creativecommons.org/licenses/by/4.0/">CC BY</ext-link> license.</license-p></license></permissions>
</article-meta>
</front>
<body>
<p><italic>σ</italic>-martingale – 135</p>
<p>anomalous diffusion – 97</p>
<p>approximation – 191</p>
<p>averaging principle – 449</p>
<p>backward stochastic differential equation – 415</p>
<p>beta random variable – 97</p>
<p>branching process – 357</p>
<p>change of measures – 43</p>
<p>complete market – 379</p>
<p>compound Poisson process of order <italic>k</italic> – 395</p>
<p>compound renewal process – 43</p>
<p>conditional processes – 17</p>
<p>confidence ellipsoid – 435</p>
<p>confidence interval – 203</p>
<p>consistent estimator of best prediction – 203</p>
<p>constant dividend strategy – 245</p>
<p>de Vylder approximation – 245</p>
<p>distribution of sumpremum of solution – 79</p>
<p>entropy methods – 79</p>
<p>ergodic process – 339</p>
<p>Euler–Poisson–Darboux equation – 97</p>
<p>exponential functional – 291</p>
<p>extinction – 1</p>
<p>extinction probability – 357</p>
<p>extreme values – 61</p>
<p>filtration – 135</p>
<p>finite mixture model – 435</p>
<p>forward rate – 113</p>
<p>Fourier transform – 97</p>
<p>fractional Brownian motion – 191, 339</p>
<p>game options – 379</p>
<p>Gauss hypergeometric – 357</p>
<p>Gaussian Volterra process – 415</p>
<p>global solution – 1</p>
<p>harmonizable processes – 79</p>
<p>higher-order dispersive equations – 79</p>
<p>Hölder regularity – 449</p>
<p>infinite divisibility – 267</p>
<p>irregular barrier – 157</p>
<p>Itô formula – 415</p>
<p>Kolmogorov-type equation – 291</p>
<p>Lagrange inversion – 357</p>
<p>Lambert-W functions – 357</p>
<p>large deviations – 17</p>
<p>Lévy process – 113</p>
<p>local martingale – 135</p>
<p>Malliavin calculus – 415</p>
<p>market-consistent calibration – 113</p>
<p>martingale – 43, 191</p>
<p>martingale characterization – 395</p>
<p>martingale measures – 43</p>
<p>Mertens decomposition – 157</p>
<p>mild solution – 449</p>
<p>mixture of tempered stable subordinators – 395</p>
<p>mixture with varying concentrations – 435</p>
<p>Monte Carlo method – 245</p>
<p>multi-factor model – 113</p>
<p>multivariate errors-in-variables model – 203</p>
<p>net profit condition – 245</p>
<p>nonlinear diffusion equation – 97</p>
<p>nonlinear regression – 435</p>
<p>nonpersistence in the mean – 1</p>
<p>option pricing – 113</p>
<p>ordinary least squares – 203</p>
<p>Ornstein–Uhlenbeck process – 113</p>
<p>partial differential equation – 415</p>
<p>polynomial errors-in-variables model – 203</p>
<p>post-crisis model – 113</p>
<p>prediction – 203</p>
<p>premium calculation principle – 43</p>
<p>process with independent increments – 291</p>
<p>processes with finite variation – 135</p>
<p>progressively equivalent (martingale) measures – 43</p>
<p>queuing systems – 61</p>
<p>random initial conditions – 79</p>
<p>random velocity – 97</p>
<p>reflected backward doubly stochastic differential equations – 157</p>
<p>regenerative processes – 61</p>
<p>regularly varying distribution – 315</p>
<p>risk model with stochastic premiums – 245</p>
<p>risk process – 221</p>
<p>ruin probability – 221, 245</p>
<p>second Wiener chaos – 267</p>
<p>second-order Galton–Watson process with immigration – 315</p>
<p>semiparametric estimation – 435</p>
<p>short rate – 113</p>
<p>shortfall risk – 379</p>
<p>smoothness of the density – 291</p>
<p>stationary process – 339</p>
<p>stochastic cable equation – 449</p>
<p>stochastic differential equation – 113</p>
<p>stochastic linear growth condition – 157</p>
<p>stochastic Lipschitz condition – 157</p>
<p>stochastic measure – 449</p>
<p>stochastic mutualism model – 1</p>
<p>stochastic optimal control – 379</p>
<p>stochastic partial differential equation – 339</p>
<p>stochastic permanence – 1</p>
<p>stochastic ultimate boundedness – 1</p>
<p>stopping time – 135</p>
<p>strong consistency – 339</p>
<p>strong persistence in the mean – 1</p>
<p>sub-Gaussian processes – 79</p>
<p>sums of Gaussian squares – 267</p>
<p>tail behavior – 315</p>
<p>Volterra type Gaussian processes – 17</p>
<p>Wright – 357</p>
<p>zero-coupon bond – 113</p>
</body>
</article>