Efficient estimation and filtering for multivariate jump–diffusions
多元跳跃扩散模型的有效估计与滤波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：摘要明确将多元跳跃扩散方法用于经济时间序列和资产价格模型的实证分析。
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
多元跳跃扩散模型的有效估计与滤波
- 研究问题
- 对于漂移、波动率及跳跃机制均可依赖状态且非仿射的多元跳跃扩散，如何估计转移密度、滤波结果及模型参数？
- 方法与思路
- 作者构造转移密度、滤波与参数估计方法，允许跳跃强度和幅度随状态变化，并且不要求将波动率矩阵对角化。
- 材料陈述的贡献
- 摘要称，密度和滤波估计达到通常与精确蒙特卡洛估计相关的收敛率，参数估计与最大似然估计具有相同渐近分布。
- 阅读关注点
- 应核对模拟与滤波算法、状态依赖机制的限制、收敛率对应的样本或模拟规模，以及渐近等价所需的正则条件。
- 阅读边界
- 仅据所给出版社摘要，尚不能判断计算成本、离散观测误差处理或具体应用效果；渐近等价不直接说明有限样本优势。
原文摘要
This paper develops estimators of the transition density, filters, and parameters of multivariate jump–diffusion models. The drift, volatility, jump intensity, and jump magnitude are allowed to be state-dependent and non-affine. It is not necessary to diagonalize the volatility matrix. Our density and filter estimators converge at the canonical rate typically associated with exact Monte Carlo estimation. Our parameter estimators have the same asymptotic distribution as maximum likelihood estimators, which are often intractable for the class of models we consider. The results of this paper enable the empirical analysis of previously intractable models of asset prices and economic time series.