A Bayesian approach to bandwidth selection for multivariate kernel regression with an application to state-price density estimation
多元核回归带宽选择的贝叶斯方法及其状态价格密度应用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：摘要明确以股票指数期权估计 Arrow–Debreu 证券的状态价格密度，直接对应资产定价方向。
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…
多元核回归带宽选择的贝叶斯方法及其状态价格密度应用
- 研究问题
- 如何为多元核回归提供数据驱动的带宽选择，并将其用于从股票指数期权数据中非参数估计状态价格密度？
- 方法与思路
- 作者提出贝叶斯带宽选择，以平均平方误差比较交叉验证、bootstrap 和经验规则，并应用于 S&P 500 与 DAX 期权。
- 材料陈述的贡献
- 摘要称该选择器在所述模拟标准下与交叉验证相当、优于另两类方法，并为状态价格密度估计中的带宽问题提供方案。
- 阅读关注点
- 应核对贝叶斯带宽先验与计算方式、模拟比较的设计，以及期权数据处理、状态价格密度构造和经济约束的落实。
- 阅读边界
- 所给出版社摘要未说明先验、样本期、误差数值或密度约束；带宽比较结论仅对应报告的模拟及平均平方误差标准。
原文摘要
This paper presents a Bayesian approach to bandwidth selection for multivariate kernel regression. A Monte Carlo study shows that under the average squared error criterion, the Bayesian bandwidth selector is comparable to the cross-validation method and clearly outperforms the bootstrapping and rule-of-thumb bandwidth selectors. The Bayesian bandwidth selector is applied to a multivariate kernel regression model that is often used to estimate the state-price density of Arrow-Debreu securities with the S&P 500 index options data and the DAX index options data. The proposed Bayesian bandwidth selector represents a data-driven solution to the problem of choosing bandwidths for the multivariate kernel regression involved in the nonparametric estimation of the state-price density pioneered by Aït-Sahalia and Lo [Aït-Sahalia, Y., Lo, A.W., 1998. Nonparametric estimation of state-price densities implicit in financial asset prices. The Journal of Finance, 53, 499, 547.]