ESTIMATION OF EXCESS RETURNS FROM DERIVATIVE PRICES AND TESTING FOR RISK NEUTRAL PRICING
利用衍生品价格估计超额收益并检验风险中性定价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：摘要明确以高频衍生品价格估计超额收益并检验风险中性定价，直接对应资产定价与高频计量方法。
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
利用衍生品价格估计超额收益并检验风险中性定价
- 研究问题
- 如何从高频衍生品价格估计标的证券的超额收益、检验风险中性定价，并度量无套利定价模型之外的溢价？
- 方法与思路
- 作者结合拟似然与 Feynman–Kac 理论，从风险中性或有索取权定价模型构造最优正交限制，并在非平稳状态过程中分析估计性质。
- 材料陈述的贡献
- 摘要称，估计量具有强一致性与渐近正态性，无需估计风险中性概率测度；生成指数与看涨期权的诊断实验支持其估计和检验能力。
- 阅读关注点
- 应核对定价模型和正交限制的成立条件、分布稳健性的含义，以及高频采样、执行价不变性和跨短期限期权扩样的实现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认适用任意衍生品的完整限制及数值表现；生成数据诊断也不能等同于真实市场验证。
原文摘要
This paper develops an econometric framework for (i) estimating excess returns of the security process from high frequency derivative prices, (ii) testing for risk neutral pricing, and (iii) measuring premiums outside the no-arbitrage pricing model. The estimator is constructed by applying quasi-likelihood and Feynman–Kac theory to the risk neutral contingent claims pricing model to generate the optimal orthogonality restriction. The strong consistency and asymptotic normality of the estimator are established in the context of a nonstationary underlying state process. These results further imply that the estimator is robust to distributional assumptions on the underlying asset process. The proposed approach is applicable to any arbitrary derivative security, does not require estimation of the risk neutral probability measure, and has application to spot rate bond pricing models. A controlled diagnostic study based on generating the S&P500 index and calls verifies the ability of the estimators to correctly estimate security excess returns and test for risk neutral pricing. The estimator is invariant to call strikes, and larger samples constructed by cycling over shorter maturity options can be used to reduce its variance.