对于金融资产漂移函数估计的双域组合方法(英文)

Time-domain state-domain methods are common approaches in modern financial analysis.Economic conditions vary time,drift function depends on time and price level for a given state variable.In this paper,to consistently estimate the bivariate drift function,our purpose a new dynamic integrated estimator by combing time-and state-domain methods for estimating drift function.And we establish its asymptotic properties and illustrates it outperforms some old ones by simulations.     

扩散模型中扩散系数的非参数组合估计

为了提高扩散系数估计的准确度, 我们利用动态组合时间域与状态域信息提出一个新的组合估计量. 我们发现所提组合估计量能有效估计扩散模型的扩散系数, 正如在本文中模拟所示. 在一定的条件下, 建立了估计量的渐进正态性, 并证明了时间域估计量与状态域估计量是渐进独立的. 大量的模拟展示了所提组合估计量优于单域估计量, 也优于本文所提估计量.     

对于金融资产波动率估计的双域组合方法

Time- and state-domain methods are two common approaches for nonparametrically estimating the volatility of financial assets. Economic conditions vary over time in real financial market. It is reasonable to expect that volatility depends on both time and price level for a given state variable. Recently, Fan, et al （2007） proposed the idea of dynamically integrated method in both time-and state domain. This idea has become an interesting topic in the estimation of volatility. In this paper, our purpose is to discuss the integrated method in the estimation of volatility. Simulations are conducted to demonstrate that the newly integrated method outperforms some old ones, and the results of simulations demonstrate this fact. Furthermore, we establish its asymptotic properties.     

Laplace分布位置尺度参数的估计比较

研究了Laplace分布位置与尺度参数的估计,首先利用截面似然法获得参数的MLE;然后根据Pitman积分,在其中一个参数固定的情形下,可求得另一个参数的MREE;再通过构造完备充分统计量得到参数的UMVUE.在此基础上导出参数估计的枢轴量及其置信区间,最后用随机数来模拟几种估计的精度.     

含噪音高频数据动态整合估计波动率的方法

时间域和状态域方法是两种常见的非参数估计方法.前者主要使用的是最近的历史数据,而后者则主要依赖于过去的历史信息.本文在时间域上,通过对含噪音高频数据采用双时间尺度方法获得其波动率,进而获得经动态整合后的波动率.     

高频金融数据中市场微观结构噪音误差估计

由于在波动率估计中高频数据的使用,市场微观结构噪音的干扰对无偏的和一致的估计波动率已经变成了一种障碍,为了更好地估计真实波动率,噪音方差估计显得日益重要,本文基于目前关于波动率估计研究成果,提出了在不同的假设情况下估计市场微观结构噪音误差的方法,并与常用的估计方法进行深入的比较,得到它们的渐近性质,并且进行广泛的模拟研究它们的有限样本性质,并得到较有意义的结果。     

资产价格中跳的检验与度量

分离估计归因于跳部分和连续部分对资产定价是非常重要的.由于市场信息的流入,前者通常比后者缺少可预测性.到目前为此,小波方法对于发现跳点和估计跳大小是有力的,正如王亚珍[1].但是在一些程度上,在点估计方面不能准确地对跳的位置和大小进行估计.本文中,我们提出了改进方法去估计已实现方差,从而新的估计量被用于在不同的取样策略...