An analysis of Hansen–Scheinkman moment estimators for discretely and randomly sampled diffusions
离散及随机采样扩散过程的 Hansen–Scheinkman 矩估计量分析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：摘要聚焦扩散过程的通用矩估计理论，未明确资产定价、波动率或其他所列应用方向，故暂不细分。
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
离散及随机采样扩散过程的 Hansen–Scheinkman 矩估计量分析
- 研究问题
- 对于离散采样且采样时点可能随机的扩散过程，如何刻画矩估计量的渐近分布，并据此选择矩条件、比较估计效率？
- 方法与思路
- 作者推导 Hansen–Scheinkman 矩估计量渐近分布的闭式展开，用于考察矩条件选择以及相对其他估计方法的效率。
- 材料陈述的贡献
- 摘要称，该展开使最优矩条件的选择成为可能，并可评估所得参数估计量相对似然估计及另一类矩条件的效率。
- 阅读关注点
- 应核对扩散过程和采样机制的条件、展开所采用的渐近框架，以及最优矩条件的准则和效率比较所依据的基准。
- 阅读边界
- 所给出版社摘要未说明具体正则条件、展开公式或效率差距；不能据此判断某组矩条件在所有采样情形下均最优。
原文摘要
We derive closed-form expansions for the asymptotic distribution of Hansen and Scheinkman [1995. Back to the future: generating moment implications for continuous-time Markov processes. Econometrica 63, 767-804] moment estimators for discretely, and possibly randomly, sampled diffusions. This result makes it possible to select optimal moment conditions as well as to assess the efficiency of the resulting parameter estimators relative to likelihood-based estimators, or to an alternative type of moment conditions.