Risk‐neutral moment‐based estimation of affine option pricing models
基于风险中性矩的仿射期权定价模型估计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：摘要以期权定价模型估计为对象，并明确采用连续时间仿射随机波动框架，对应资产定价与波动率建模。
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
基于风险中性矩的仿射期权定价模型估计
- 研究问题
- 如何利用风险中性矩估计连续时间仿射期权定价模型，并在保留期权价格主要信息的同时，减少大规模合约面板的数值与计算负担？
- 方法与思路
- 作者从期权价格面板提取风险中性分布，利用累积量与潜在因子的线性关系，在仿射随机波动框架内直接线性滤波并进行准极大似然估计。
- 材料陈述的贡献
- 摘要称风险中性矩能捕捉期权价格中的大部分信息，支持直接滤波和参数估计，并减少若干数值误差来源及大规模期权面板的计算负担。
- 阅读关注点
- 核对风险中性分布与矩的提取步骤、累积量线性关系的适用条件、滤波及准似然设定，并检查信息损失与计算比较如何衡量。
- 阅读边界
- 有效、易实现与稳健是摘要中的作者陈述；分布提取误差、信息损失、计算节省幅度及跨模型表现未具体说明，不能据此认定普遍更优。
原文摘要
Summary This paper provides a novel methodology for estimating option pricing models based on risk‐neutral moments. We synthesize the distribution extracted from a panel of option prices and exploit linear relationships between risk‐neutral cumulants and latent factors within the continuous time affine stochastic volatility framework. We find that fitting the Andersen et al. ( Journal of Financial Economics , 2015, 117 (3), 558–584) option valuation model to risk‐neutral moments captures the bulk of the information in option prices. Our estimation strategy is effective, easy to implement, and robust, as it allows for a direct linear filtering of the latent factors and a quasi‐maximum likelihood estimation of model parameters. From a practical perspective, employing risk‐neutral moments instead of option prices also helps circumvent several sources of numerical errors and substantially lessens the computational burden inherent in working with a large panel of option contracts.