论文部分内容阅读
为了提高CIR利率期限结构模型中的状态估计精度，建立了该问题的离散非线性滤波模型，采用高斯粒子滤波法进行状态近似最优估计。相对于文献中普遍采用的扩展卡尔曼滤波方法，高斯粒子滤波法避免了线性近似带来的误差，利用基于重要性采样得到的高斯分布来近似状态变量的后验分布，具有更强的状态估计能力。仿真实验比较了高斯粒子滤波和扩展卡尔曼滤波两种非线性估计法，结果表明，基于高斯粒子滤波的CIR滤波模型更准确地描述了利率期限结构的动态变化特征。