Maximum Likelihood Estimation of Discretely Sampled Diffusions: A Closed-form Approximation Approach
离散采样扩散过程的最大似然估计：闭式近似方法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：摘要研究一般扩散模型的似然近似，仅笼统提及金融模型，未明确资产定价、波动率或高频等所列细分主题。
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
离散采样扩散过程的最大似然估计：闭式近似方法
- 研究问题
- 连续时间扩散过程仅在离散时点被观测、转移分布通常无法显式计算时，如何构造可用的似然近似，并保留最大似然估计的性质？
- 方法与思路
- 作者利用 Hermite 多项式构造一列显式闭式函数逼近真实似然，分析近似与估计量的收敛及渐近性质，并以蒙特卡洛比较近似方案。
- 材料陈述的贡献
- 摘要称，闭式近似收敛于真实似然，相应估计量逼近真正的最大似然估计并共享渐近性质；在部分金融模型情境中模拟表现更好。
- 阅读关注点
- 重点核对扩散模型与采样机制的正则条件、Hermite 展开的截断阶数及误差控制，以及模拟中比较方法的设定与计算成本。
- 阅读边界
- 摘要未说明适用的扩散维度、采样间隔与近似精度的具体指标；所称优于其他方案限于所做模拟，不能推广至所有金融模型。
原文摘要
When a continuous-time diffusion is observed only at discrete dates, in most cases the transition distribution and hence the likelihood function of the observations is not explicitly computable. Using Hermite polynomials, I construct an explicit sequence of closed-form functions and show that it converges to the true (but unknown) likelihood function. I document that the approximation is very accurate and prove that maximizing the sequence results in an estimator that converges to the true maximum likelihood estimator and shares its asymptotic properties. Monte Carlo evidence reveals that this method outperforms other approximation schemes in situations relevant for financial models.