Nonparametric specification tests for stochastic volatility models based on volatility density
基于波动率密度的随机波动率模型非参数设定检验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：摘要直接以随机波动率模型和积分波动率密度为设定检验对象。
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
基于波动率密度的随机波动率模型非参数设定检验
- 研究问题
- 能否通过比较积分波动率的非参数密度与模型隐含参数密度，检验随机波动率模型的设定是否符合数据？
- 方法与思路
- 作者采用核反卷积方法估计积分波动率密度，以其与参数密度之间的 L2 距离构造检验，并分析渐近分布和功效。
- 材料陈述的贡献
- 摘要称，论文建立检验统计量的渐近零分布并计算渐近功效函数，另用模拟研究尺寸与功效，并提供实证应用。
- 阅读关注点
- 应核对反卷积问题中的观测误差结构、带宽与参数估计误差处理，以及零分布、备择方向和临界值的构造方式。
- 阅读边界
- 所给出版社摘要未说明观测频率、完整正则条件、实证对象及数值表现；密度比较能识别哪些动态误设也需核对全文。
原文摘要
This paper develops a specification test for stochastic volatility models by comparing the nonparametric kernel deconvolution density estimator of an integrated volatility density with its parametric counterpart. L2 distance is used to measure the discrepancy. The asymptotic null distributions of the test statistics are established and the asymptotic power functions are computed. Through Monte Carlo simulations, the size and power properties of the test statistics are studied. The tests are applied to an empirical example.