Nonparametric model validations for hidden Markov models with applications in financial econometrics
隐马尔可夫模型的非参数模型检验及其金融计量应用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：摘要明确涉及非线性时间序列模型，并将随机波动率模型列为适用对象。
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
隐马尔可夫模型的非参数模型检验及其金融计量应用
- 研究问题
- 面对部分可观测变量与隐藏状态，如何利用可观测数据非参数检验隐马尔可夫模型，而不必直接观察潜在状态转移？
- 方法与思路
- 作者为可观测变量的转移密度构造非参数同时置信包络，检验参数密度估计是否位于包络内，并利用其与隐藏状态转移核的联系。
- 材料陈述的贡献
- 摘要称，该设定检验框架适用于连续时间扩散、随机波动率、非线性时间序列及包含市场微观结构噪声的模型。
- 阅读关注点
- 应核对可观测转移密度与隐藏转移核的函数联系、包络构造和调参方式，以及检验能识别哪些模型偏离。
- 阅读边界
- 仅据所给出版社摘要，无法判断可识别性、置信包络的有效条件或检验功效；列出的模型类型不代表已验证所有具体设定。
原文摘要
We address the nonparametric model validation problem for hidden Markov models with partially observable variables and hidden states. We achieve this goal by constructing a nonparametric simultaneous confidence envelope for transition density function of the observable variables and checking whether the parametric density estimate is contained within such an envelope. Our specification test procedure is motivated by a functional connection between the transition density of the observable variables and the Markov transition kernel of the hidden states. Our approach is applicable for continuous-time diffusion models, stochastic volatility models, nonlinear time series models, and models with market microstructure noise.