Parameter Estimation for the Mixed Fractional Merton Jump Diffusion Model with EM Algorithm
混合分数 Merton 跳跃扩散模型的 EM 参数估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接建模金融时间序列的长记忆与跳跃动态，未明确研究收益预测、资产定价或高频数据。
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…
混合分数 Merton 跳跃扩散模型的 EM 参数估计
- 研究问题
- 金融收益同时表现出长记忆与突发跳跃时，如何估计结合分数布朗运动和复合泊松跳跃的模型参数，并处理未观测跳跃过程？
- 方法与思路
- 作者提出结合 Metropolis–Hastings 抽样的 EM 算法，在 E 步用马尔可夫链蒙特卡洛推断潜在跳跃，M 步最大化期望完整数据似然。
- 材料陈述的贡献
- 摘要称在适当正则条件下建立估计量一致性与渐近正态性，并应用于赫尔辛基股票指数；作者将该框架描述为可靠且计算高效。
- 阅读关注点
- 应核对观测与采样方案、长记忆和跳跃参数的识别、E 步抽样误差如何处理，以及渐近结论和计算效率评价的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出正则条件、效率基准或数值结果，不能据此验证可靠性与计算优势。
原文摘要
This paper proposes an Expectation--Maximization algorithm with Metropolis--Hastings sampling for parameter estimation in a Mixed Fractional Merton Jump Diffusion model. The model combines fractional Brownian motion to capture long-range dependence with a compound Poisson jump process to describe abrupt movements in financial returns. The latent jump process is inferred during the E-step using Markov Chain Monte Carlo sampling, while the M-step updates the model parameters by maximizing the expected complete-data likelihood. The consistency and asymptotic normality of the proposed estimator are established under suitable regularity conditions. The methodology is applied to the Helsinki Stock Index (OMXH25). The proposed estimation framework provides a reliable and computationally efficient approach for modeling financial time series exhibiting both long-memory dependence and jump behavior.