论文部分内容阅读
时齐扩散过程在金融领域具有重要作用，它被广泛应用于描述基础资产变量的随机波动。本文主要研究了基于离散观察值样本的时齐扩散过程漂移系数和扩散系数的非参数估计问题，Stanton应用条件期望的泰勒展开和Nadaraya-Watson核回归方法给出了漂移系数和扩散系数的一、二、三阶近似估计，并说明了高阶近似的优势。Fan和Zhang将Stanton的方法推广到k阶，并用局部多项式法给出了漂移系数和扩散系数的非参数估计，证明了渐近偏倚和渐近方差的关系，即随着阶数的增加，渐近偏倚虽有减小，渐近方差却近乎指数形式增加，然而在扩散系数的估计问题上局部多项式估计方法不能保证其非负性要求。 本文首先介绍了时齐扩散模型漂移系数和扩散系数的高阶近似估计量，并给出了局部多项式估计方法的具体步骤，然后在此基础之上提出了新的非参数估计方法——B样条估计。该方法通过对B样条拟合系数加以非负约束来保证扩散系数的非负性，另外，B样条估计方法也改善了核估计方法的边界效应。最后通过模拟，应用平均绝对偏差MADE和理想平均绝对偏差IMADE两个评价标准，对比了B样条估计方法和局部多项式估计方法的估计效果，验证了B样条估计方法的优势，特别是在对扩散系数的估计上具有明显的优势。在实证分析中，我们将B样条估计方法应用于沪深300、标普500和美国国债数据，并给出了相应的95％Bootstrap置信区间。