Simulated Non-Parametric Estimation of Dynamic Models
动态模型的模拟非参数估计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：摘要提出通用动态模型估计方法，未给出足以对应所列具体结构模型或金融细分领域的信息。
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
动态模型的模拟非参数估计
- 研究问题
- 动态模型能否通过匹配实际与模拟数据的非参数密度进行参数估计，同时简化带宽选择并保留良好的渐近效率？
- 方法与思路
- 作者提出模拟非参数估计，最小化实际与模型模拟数据的条件或联合密度距离，并用相同核函数平滑两类数据。
- 材料陈述的贡献
- 摘要称，共同平滑简化带宽选择；模型对可观测变量具有马尔可夫性时，估计量具有与最大似然相同的渐近效率性质。
- 阅读关注点
- 应核对密度距离的选择、模拟样本与实际样本的关系、共同平滑如何影响偏误，以及效率结论所需的完整条件。
- 阅读边界
- 摘要未说明正则条件、计算成本和金融应用模型；相同渐近效率及良好有限样本表现的陈述不能扩展到任意动态模型。
原文摘要
This paper introduces a new class of parameter estimators for dynamic models, called simulated non-parametric estimators (SNEs). The SNE minimizes appropriate distances between non-parametric conditional (or joint) densities estimated from sample data and non-parametric conditional (or joint) densities estimated from data simulated out of the model of interest. Sample data and model-simulated data are smoothed with the same kernel, which considerably simplifies bandwidth selection for the purpose of implementing the estimator. Furthermore, the SNE displays the same asymptotic efficiency properties as the maximum-likelihood estimator as soon as the model is Markov in the observable variables. The methods introduced in this paper are fairly simple to implement, and possess finite sample properties that are well approximated by the asymptotic theory. We illustrate these features within typical estimation problems that arise in financial economics. Copyright , Wiley-Blackwell.