跳到正文
← 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:摘要明确研究收益率期限结构模型及其中随机波动率的估计与拟合。

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
Drew D. Creal
Jing Cynthia Wu

含可张成或不可张成随机波动率的仿射期限结构模型估计

研究问题
如何改善含可张成或不可张成随机波动率的仿射期限结构模型的最大似然计算,并比较其收益率截面与波动率拟合?
方法与思路
作者利用线性回归减少数值优化维度,从目标函数中消去导致常规方法计算困难的参数,同时保留最大似然估计结果。
材料陈述的贡献
摘要称该程序改善估计的数值表现;可张成模型较好拟合收益率截面,不可张成模型则以截面拟合为代价改善波动率拟合。
阅读关注点
应核对回归消元与完整似然最大化等价的条件、波动率可张成性的定义,以及两类拟合评价所用数据和指标。
阅读边界
仅据所给出版社摘要,无法判断计算改善的幅度、样本外表现或拟合权衡的普遍性;具体模型限制与数值结果未说明。

原文摘要

We develop new procedures for maximum likelihood estimation of affine term structure models with spanned or unspanned stochastic volatility. Our approach uses linear regression to reduce the dimension of the numerical optimization problem yet it produces the same estimator as maximizing the likelihood. It improves the numerical behavior of estimation by eliminating parameters from the objective function that cause problems for conventional methods. We find that spanned models capture the cross-section of yields well but not volatility while unspanned models fit volatility at the expense of fitting the cross-section.

笔记与分组
相关领域论文