Parametric risk-neutral density estimation via finite lognormal-Weibull mixtures
基于有限对数正态—威布尔混合的参数化风险中性密度估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究由指数期权恢复风险中性密度，属于资产定价相关计量。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于有限对数正态—威布尔混合的参数化风险中性密度估计
- 研究问题
- 如何用较少的参数化混合成分恢复复杂的风险中性密度，并根据观测数据判断左尾、双峰及模型拟合是否可信？
- 方法与思路
- 作者提出有限对数正态—威布尔混合密度，在允许参数模型误设的框架下研究渐近性质，并用序贯拟合检验选择混合成分。
- 材料陈述的贡献
- 摘要称该方法具有一致性和渐近正态性；模拟及指数期权应用显示，少量混合成分可恢复复杂密度，并减少尾部与双峰误判。
- 阅读关注点
- 应核对模型误设下一致性的目标、混合参数的识别条件、序贯检验的误差控制，以及观测误差如何影响密度形态判断。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断理论条件、检验实现及比较方法是否充分；其可靠性陈述不能推广到所有期权数据，也不推断刊本变化。
原文摘要
This paper proposes a new parametric risk-neutral density (RND) estimator based on a finite lognormal-Weibull mixture (LWM) density. We establish the consistency and asymptotic normality of the LWM method in a general misspecified parametric framework. Based on the theoretical results, we propose a sequential test procedure to evaluate the goodness-of-fit of the LWM model, which leads to an adaptive choice for the number and type of mixture components. Our simulation results show that, in finite samples with various observation error specifications, the LWM method can approximate complex RNDs generated by state-of-the-art multi-factor stochastic volatility models with a few (typically less than 4) mixtures. Application of the LWM model on index options confirms its reliability in recovering empirical RNDs with a heavy left tail or bimodality, which can be incorrectly identified as bimodality or a heavy left tail by existing (semi)-nonparametric methods if the goodness-of-fit to the observed data is ignored.