Estimating jump–diffusions using closed-form likelihood expansions
利用闭式似然展开估计跳跃扩散模型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：摘要主要讨论通用连续时间跳跃扩散的似然近似，未明确资产定价、波动率或高频采样，金融细分类别证据不足。
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
利用闭式似然展开估计跳跃扩散模型
- 研究问题
- 对离散观测的泊松驱动跳跃扩散模型，如何构造可计算的转移密度近似，并将其用于近似极大似然估计？
- 方法与思路
- 作者通过扰动模型路径推导转移密度的闭式展开，修正项可借助符号软件显式计算，再据离散观测构造近似似然。
- 材料陈述的贡献
- 摘要称将既有方法推广至泊松驱动跳跃扩散，并用数值例子和模拟展示适用性；部分收敛性质可在充分条件下论证。
- 阅读关注点
- 应核对展开阶数、密度近似的误差及其传递至参数估计的机制，并检查跳跃分布和观测间隔对应的收敛条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体充分条件、近似误差界或模拟优势；摘要也未将方法限定为所列某类金融对象。
原文摘要
The indispensable role of likelihood expansions in financial econometrics for continuous-time models has been established since the ground-breaking work of Aït-Sahalia (1999, 2002a, 2008). Jump–diffusions play an important role in modeling a variety of economic and financial variables. As a significant generalization of Li (2013), we propose a new closed-form expansion for transition density of Poisson-driven jump–diffusion models and its application in maximum-likelihood estimation based on discretely sampled data. Technically speaking, our expansion is obtained by perturbing paths of the underlying model; correction terms can be calculated explicitly using any symbolic software. Numerical examples and Monte Carlo evidence for illustrating the performance of density expansion and the resulting approximate MLE are provided in order to demonstrate the practical applicability of the method. Using the theoretical results in Hayashi and Ishikawa (2012), some convergence properties related to the density expansion and the approximate MLE method can be justified under some standard sufficient (but not necessary) conditions.