Chebyshev Polynomial Approximations and Characteristic Function Estimation
切比雪夫多项式逼近与特征函数估计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：摘要涉及股票收益分布与特征函数估计，未明确对应所列资产定价、收益预测或风险等细分方向。
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
切比雪夫多项式逼近与特征函数估计
- 研究问题
- 如何利用切比雪夫多项式展开估计特征函数，并将其用于日度股票收益的随机过程模型估计及不同收益分布的比较？
- 方法与思路
- 作者基于摘要所称余弦的密度作切比雪夫多项式展开，构造特征函数估计程序，并以模拟和股票收益模型应用考察其表现。
- 材料陈述的贡献
- 摘要称模拟支持方法的实用性，应用结果提示复合事件模型和 vg 模型较为合适，并可能优于正态及对称稳定分布。
- 阅读关注点
- 核对余弦密度展开的具体对象、截断与估计规则，以及模拟设计、股票样本和模型比较指标；确认适合性判断的证据强度。
- 阅读边界
- 仅据 Crossref 摘要解读。摘要未说明展开误差、统计性质或比较数值，所述模型优势属提示性结果，不能推广为普遍优越性。
原文摘要
SUMMARY A new procedure for estimating characteristic functions based on a Chebyshev polynomial expansion for the density of the Cosine is developed. Simulation results confirm the usefulness of the method. It is applied to the estimation of two stochastic process models for daily stock returns. The Press compound events model is also estimated by maximum likelihood methods. Results are suggestive of the adequacy of the compound events model and the vg model (a variant of the Praetz t distribution), and the superiority of these models over the normal and symmetric stable.