Estimating a conditional density ratio model for asset returns and option demand
资产收益与期权需求的条件密度比模型估计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：摘要核心是风险中性与实际收益密度之间的定价核估计，并用于期权需求模型。
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
资产收益与期权需求的条件密度比模型估计
- 研究问题
- 如何利用期权隐含风险中性密度和实际收益分布估计定价核，并在密度噪声、尾部缺失及条件变量存在时进行密度预测修正？
- 方法与思路
- 作者提出基于逆密度加权的局部定价核估计量，推导其及乘法修正密度预测的渐近偏差和方差，并用局部指数线性形式纳入条件变量。
- 材料陈述的贡献
- 摘要称，方法在风险中性密度有噪声或缺尾时模拟表现良好；标普五百期权应用在终端用户卖出价外期权且高波动时发现 U 型定价核。
- 阅读关注点
- 应核对两类条件密度与定价核的对应定义、局部估计带宽和尾部处理，并检查期权需求模型如何支持对 U 型形状的解释。
- 阅读边界
- 仅据所给出版社摘要，密度恢复条件、误差大小和应用识别细节未说明；U 型结果限于所述应用条件，不能直接解释为普遍定价规律。
原文摘要
Option-implied risk-neutral densities are widely used for constructing forward-looking risk measures. Meanwhile, risk aversion introduces a multiplicative pricing kernel between the risk-neutral and true conditional densities of the underlying asset’s return. This paper proposes a simple local estimator of the pricing kernel based on inverse density weighting. We characterize the asymptotic bias and variance of the estimator and its multiplicatively corrected density forecasts. A local exponential linear variant is proposed to include conditioning variables. The estimator performs well in a simulation study, even when the risk-neutral densities are noisy and/or have missing tails. We apply our estimator to a demand-based model for S&P 500 index options, and find U-shaped pricing kernels when end-users sell out-of-the-money options and volatility is high.