Identification and estimation of Gaussian affine term structure models
高斯仿射期限结构模型的识别与估计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。
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：题名与摘要直接研究利率期限结构的高斯仿射模型及其识别估计。
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
高斯仿射期限结构模型的识别与估计
- 研究问题
- 高斯仿射期限结构模型的常用规范表示是否具有识别问题，这些问题如何影响数值优化，能否采用更易计算的估计方法？
- 方法与思路
- 作者分析三种常用规范表示的识别性质，并提出最小卡方估计替代最大似然估计，考察渐近等价性和计算上的可操作性。
- 材料陈述的贡献
- 摘要称三种常用表示均存在未识别问题；最小卡方估计与最大似然渐近等价，部分情形下还能确认似然全局最大值并计算小样本标准误。
- 阅读关注点
- 应核对三种表示的具体定义、未识别区域与参数等价关系，以及确认全局最大值和计算小样本标准误分别需要哪些条件。
- 阅读边界
- 仅据所给出版社摘要，不能认为所有期限结构模型均未识别，也无法判断计算简化的普遍程度或小样本标准误的具体构造。
原文摘要
This paper develops new results for identification and estimation of Gaussian affine term structure models. We establish that three popular canonical representations are unidentified, and demonstrate how unidentified regions can complicate numerical optimization. A separate contribution of the paper is the proposal of minimum-chi-square estimation as an alternative to MLE. We show that, although it is asymptotically equivalent to MLE, it can be much easier to compute. In some cases, MCSE allows researchers to recognize with certainty whether a given estimate represents a global maximum of the likelihood function and makes feasible the computation of small-sample standard errors.