Simulated likelihood estimators for discretely observed jump–diffusions
离散观测跳跃扩散过程的模拟似然估计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：摘要研究通用跳跃扩散过程的转移密度和似然估计，未明确涉及金融价格或高频数据，不能仅凭波动率术语归入金融。
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
离散观测跳跃扩散过程的模拟似然估计
- 研究问题
- 当跳跃扩散过程仅在固定、未必很短的间隔被观测时，如何近似不可计算的转移密度并进行参数似然估计？
- 方法与思路
- 作者构造转移密度的无偏蒙特卡洛近似，允许漂移、波动率、跳跃强度和幅度依赖状态，并据此建立模拟似然估计量。
- 材料陈述的贡献
- 摘要称估计量在任意样本量下渐近无偏，且具有真实但不可计算似然估计量的相同大样本渐近性质，并给出数值说明。
- 阅读关注点
- 应核对密度近似无偏与参数估计渐近无偏的区别、后者所指的渐近维度，以及模拟次数与样本量增长之间的要求。
- 阅读边界
- 仅据所给出版社摘要，无法确定模拟成本和误差控制条件；渐近无偏不等同于有限模拟次数下参数估计无偏，也未明确具体应用领域。
原文摘要
This paper develops an unbiased Monte Carlo approximation to the transition density of a jump–diffusion process with state-dependent drift, volatility, jump intensity, and jump magnitude. The approximation is used to construct a likelihood estimator of the parameters of a jump–diffusion observed at fixed time intervals that need not be short. The estimator is asymptotically unbiased for any sample size. It has the same large-sample asymptotic properties as the true but uncomputable likelihood estimator. Numerical results illustrate its properties.