Constrained Polynomial Likelihood
约束多项式似然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：摘要明确包含从期权价格提取正密度的应用，直接关联资产定价方向。
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…
约束多项式似然
- 研究问题
- 当两个分布只有矩信息可用时，如何构造非负的多项式似然比，并纳入形状限制，以估计转移密度或从期权价格提取密度？
- 方法与思路
- 作者提出非负多项式最小范数似然比，研究样本对象向总体对象的收敛，并在跳跃扩散转移密度和期权隐含密度中施加形状限制。
- 材料陈述的贡献
- 摘要称，样本多项式似然比在温和条件下收敛到未知总体对象；两项经验应用展示了实施非负约束的重要性。
- 阅读关注点
- 应核对矩条件、最小范数所用空间、非负与其他形状约束的实现方式，以及多项式似然比与真实密度之间的近似和识别关系。
- 阅读边界
- 仅依据所给 OpenAlex 摘要，不能推断刊本变化。摘要未列出收敛条件、速度或比较结果，不能将总体多项式对象等同于真实似然比。
原文摘要
We develop a non-negative polynomial minimum-norm likelihood ratio (PLR) of two distributions of which only moments are known. The sample PLR converges to the unknown population PLR under mild conditions. The methodology allows for additional shape restrictions, as we illustrate with two empirical applications. The first develops a PLR for the unknown transition density of a jump-diffusion process, while the second extracts a positive density directly from option prices. In both cases, we show the importance of implementing the non-negativity restriction.