NONPARAMETRIC EULER EQUATION IDENTIFICATION AND ESTIMATION
欧拉方程的非参数识别与估计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：摘要直接研究消费资产定价欧拉方程，并识别和估计定价核及边际效用这一结构对象。
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…
欧拉方程的非参数识别与估计
- 研究问题
- 在消费资产定价欧拉方程中，如何在不施加函数形式限制、也不直接假定完备性的情况下，识别定价核或尺度不定的边际效用？
- 方法与思路
- 作者从低层条件出发分析非参数识别，结合标准核估计与矩阵特征向量计算构造估计量，并推导估计量及相关泛函的极限分布。
- 材料陈述的贡献
- 作者称首次在此类低层条件下证明欧拉方程的非参数识别，所提估计避免非参数工具变量的病态逆问题，并展示模拟表现。
- 阅读关注点
- 应核对低层识别条件、尺度归一化、特征向量解的唯一性与稳定性，以及避免病态逆问题所依赖的模型结构。
- 阅读边界
- 摘要未给出识别条件、估计速率或效率比较；首次贡献及有限样本表现均为作者陈述，未独立核验；解读限于所给 Crossref 摘要。
原文摘要
We consider nonparametric identification and estimation of pricing kernels, or equivalently of marginal utility functions up to scale, in consumption-based asset pricing Euler equations. Ours is the first paper to prove nonparametric identification of Euler equations under low level conditions (without imposing functional restrictions or just assuming completeness). We also propose a novel nonparametric estimator based on our identification analysis, which combines standard kernel estimation with the computation of a matrix eigenvector problem. Our estimator avoids the ill-posed inverse issues associated with nonparametric instrumental variables estimators. We derive limiting distributions for our estimator and for relevant associated functionals. A Monte Carlo experiment shows a satisfactory finite sample performance for our estimators.