Nonparametric filtering of conditional state-price densities
条件状态价格密度的非参数滤波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：摘要直接从高频期权报价估计条件定价函数和状态价格密度，明确涉及日内交易结构，对应资产定价与高频计量。
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
条件状态价格密度的非参数滤波
- 研究问题
- 如何利用带噪声的高频欧式期权数据，估计随时间变化的状态价格密度，并将其用于风险度量和对冲？
- 方法与思路
- 作者提出条件定价函数及其导数的动态核估计，以带标记点过程描述交易时间和价内程度，并推导加密采样渐近理论。
- 材料陈述的贡献
- 摘要称该方法覆盖平滑变化和扩散状态驱动的定价函数；期权报价应用显示日内变化，并展示 delta 对冲与最小方差对冲用途。
- 阅读关注点
- 应核对报价噪声假设、交易点过程与定价函数的关系、导数估计的边界处理，以及带宽选择和对冲效果的评价标准。
- 阅读边界
- 仅据所给出版社摘要，无法确定噪声允许的形式、状态价格密度估计精度或对冲收益，也不能推断其风险度量覆盖所有风险类型。
原文摘要
This paper studies the use of noisy high-frequency data to estimate the time-varying state-price density implicit in European option prices. A dynamic kernel estimator of the conditional pricing function and its derivatives is proposed that can be used for model-free risk measurement. Infill asymptotic theory is derived that applies when the pricing function is either smoothly varying or driven by diffusive state variables. Trading times and moneyness levels are modeled by marked point processes that capture intraday trading patterns. A simulation study investigates the performance of the estimator using a varying plug-in bandwidth in various scenarios. Empirical analysis using S&P 500 E-mini European option quotes reveals significant time-variation at intraday frequencies. An application towards delta- and minimum variance-hedging further illustrates the use of the estimator.