Diffusion copulas: Identification and estimation
扩散Copula：识别与估计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：摘要研究Markov扩散的时间依赖建模，并明确以CBOE波动率指数数据展示应用。
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…
扩散Copula：识别与估计
- 研究问题
- 如何以参数化动态依赖和非参数边际分布描述非线性单变量扩散，并从离散样本中识别潜在扩散参数及未知变换？
- 方法与思路
- 作者将观测过程设为潜在参数扩散的非参数变换，构造半参数Markov扩散，开发似然估计及漂移、扩散项的核估计。
- 材料陈述的贡献
- 摘要称其给出原始识别条件并分析估计渐近性质，核估计量具有渐近正态性；另提供短期利率模拟和VIX数据应用。
- 阅读关注点
- 应核对未知变换的限制与归一化、离散采样下的识别条件、参数和边际分布的联合估计，以及核估计的带宽与极限理论。
- 阅读边界
- 仅据所给出版社摘要，无法判断识别条件、采样方案或计算细节；短期利率用于模拟背景，VIX应用结果未给出具体数值。
原文摘要
We propose a new semiparametric approach for modelling nonlinear univariate diffusions, where the observed process is a nonparametric transformation of an underlying parametric diffusion (UPD). This modelling strategy yields a general class of semiparametric Markov diffusion models with parametric dynamic copulas and nonparametric marginal distributions. We provide primitive conditions for the identification of the UPD parameters together with the unknown transformations from discrete samples. Likelihood-based estimators of both parametric and nonparametric components are developed and we analyse their asymptotic properties. Kernel-based drift and diffusion estimators are also proposed and shown to be normally distributed in large samples. A simulation study investigates the finite sample performance of our estimators in the context of modelling US short-term interest rates. We also present a simple application of the proposed method for modelling the CBOE volatility index data.