扩散模型中扩散系数的非参数估计及其应用

发布时间：2020-10-09 21:21

　　本文主要研究了在不同环境下扩散模型中扩散系数的非参数统计分析及其应用问题,包括基于高频数据下扩散系数的非参数估计、基于含有噪音高频数据下扩散系数的非参数估计、带有跳不连续扩散模型的扩散系数门限多次幂变差估计、带有噪音数据下扩散模型的两步估计.主要内容如下:第一章着重介绍扩散模型的研究背景、研究意义、研究现状和存在的问题.此外,大致陈述了本文的主要工作,并阐释了本文的主要创新点.第二章研究基于高频数据下扩散系数的非参数估计.利用低频数据与高频数据,对扩散系数提出了两步估计方法.在较弱的条件下,建立了估计量的渐近t性质,并通过数值模拟评价了它的有限样本性质.最后通过一个实例分析验证了该方法的有效性.第三章研究基于含有噪音高频数据下扩散系数的非参数估计.在实际应用中,直接利用高频数据可能造成一定的估计误差,归因于高频数据存在微结构噪音.因此,如何在含有噪音高频数据下对扩散系数提出较稳健的非参数估计显得非常重要.基于两刻度估计方法,提出消噪估计方法来估计扩散系数.同时,为了比较该方法的优越性,一些常用消噪方法也被考虑.进一步地,在一些弱的条件下,建立了估计量的渐近性质.最后,通过蒙特卡洛模拟评价该方法的有限样本表现,并通过一个实例分析说明了该方法的用途.第四章讨论了带有跳不连续扩散模型的扩散系数门限多次幂变差估计.基于门限技术与多次幂变差,提出了一个即时扩散系数的非参数估计方法.该方法可以获得较小的估计偏差,并且在跳增大时,该方法保持着稳健性.在一定的假设条件下,建立了它们的相合性和渐近正态性.然后,实施仿真模拟评价了这些估计量的有限样本性质,并通过实例分析说明了所提出方法的有效性.第五章讨论了带有噪音数据下扩散模型的两步估计.利用前平均技术消除资产价格观察噪音,提出了扩散模型的一个两步估计方法.所提出的方法可以很好地消除噪音,分别构造了漂移系数与扩散系数的非参数估计量.在一些常见的假设条件下,给出了它们的一致性与渐近正态性.然后,通过数值模拟评价了估计量的有限样本表现,最后将该方法应用于分析利息率数据.
【学位单位】：东南大学
【学位级别】：博士
【学位年份】：2017
【中图分类】：F224
【部分图文】：

轨迹图,扩散系数,轨迹,模型

的上海证交所股票综合指数交易数据．数据是来自ｈｔｔｐ：／／ｇｐｑｈ．ｉｉｅｔｘｎ？的１分钟综合股票指逡逑数．在每个交易天，市场开市时间是从９：３０到１１：３０、１３：００到１５：００．选１分钟作为最高取样逡逑频率．总共有２２６４天，见图２．２．逡逑８．８１逦｜逦｜逦「逦Ｉ逡逑８６邋－逦Ａ＼逡逑／邋＼邋－逡逑：Ｊ邋ｖ邋：逡逑：逡逑卜逡逑６－８０逦５００逦１０００逦１５００逦２０００逦２５００逡逑ｄａｙｓ逡逑图２．２上海交易所综合指数每日闭市对数价格时间序列．逡逑为了评价不同估计量在有限样本下的表现，使用下面四个准侧来衡量，这些准则也逡逑在Ｆａｎ邋ｅｔ邋ａｌ．（２００７）邋＿）中使用，如读者需要更多的细节可以参看其文献．逡逑准则邋１°．置信水平下超出率（Ｅｘｃｅｅｄｅｎｃｅ邋Ｒａｔｉｏ邋Ａｇａｉｎｓｔ邋Ｃｏｎｆｉｄｅｎｃｅ邋Ｌｅｖｅｌ）．逡逑这个准则是计算在给定置信水平ａ下资产价格损失超过正态模型下预测的损失的事逡逑件次数．它在Ｆａｎ邋ａｎｄ邋Ｇｕ邋（２0０３）邋＿］）中使用，且表达式如下逡逑Ｔ＋Ｌ逡逑ＥＲ｛ａ２ｔ）邋＝邋Ｌ－１邋Ｙ，逡逑ｉ＝Ｔ＋ｌ逡逑其中③－１＾）是标准正态分布的ａ分位数，Ｌ是验证样本数．逡逑正如Ｆａｎ邋ｅｔ邋ａｌ．（２００７）邋［８１0等人指出，这个准则的缺点是它

时间序列,交易所,综合指数,上海

⑷逦（ｂ）逡逑图２．１邋（ａ）邋ＣＩＲ模型中扩散系数ＣＴ２（ａ0的轨迹；（ｂ）邋ＧＢＭ模型中扩散系数ｃｔ２⑷的轨迹．逡逑的上海证交所股票综合指数交易数据．数据是来自ｈｔｔｐ：／／ｇｐｑｈ．ｉｉｅｔｘｎ？的１分钟综合股票指逡逑数．在每个交易天，市场开市时间是从９：３０到１１：３０、１３：００到１５：００．选１分钟作为最高取样逡逑频率．总共有２２６４天，见图２．２．逡逑８．８１逦｜逦｜逦「逦Ｉ逡逑８６邋－逦Ａ＼逡逑／邋＼邋－逡逑：Ｊ邋ｖ邋：逡逑：逡逑卜逡逑６－８０逦５００逦１０００逦１５００逦２０００逦２５００逡逑ｄａｙｓ逡逑图２．２上海交易所综合指数每日闭市对数价格时间序列．逡逑为了评价不同估计量在有限样本下的表现，使用下面四个准侧来衡量，这些准则也逡逑在Ｆａｎ邋ｅｔ邋ａｌ．（２００７）邋＿）中使用，如读者需要更多的细节可以参看其文献．逡逑准则邋１°．置信水平下超出率（Ｅｘｃｅｅｄｅｎｃｅ邋Ｒａｔｉｏ邋Ａｇａｉｎｓｔ邋Ｃｏｎｆｉｄｅｎｃｅ邋Ｌｅｖｅｌ）．逡逑这个准则是计算在给定置信水平ａ下资产价格损失超过正态模型下预测的损失的事逡逑件次数．它在Ｆａｎ邋ａｎｄ邋Ｇｕ邋（２0０３）邋＿］）中使用，且表达式如下逡逑Ｔ＋Ｌ逡逑ＥＲ｛ａ２ｔ）邋＝邋Ｌ－１邋Ｙ，逡逑ｉ＝Ｔ＋ｌ逡逑其中③－１＾）是标准正态分布的ａ分位数，Ｌ是验证样本数．逡逑正如Ｆａｎ邋ｅｔ邋ａｌ．（２００７）邋［８１0等人指出

时间序列,二次幂,波动率,时间序列

１邋ｍ－２逡逑１邋ｊ＝0逡逑其中ｍ是每日日间数据的取样数，这里ｍ邋＝邋４８．在图２．３中给出了己实现波动率（ＲＶ）和己实逡逑现二次幂变差（ＢＰＶ）的时间序列．逡逑注２．４．１以稀疏取样作分钟人估计量？＾ｇＰＶ0ｒ）与碎能够获得一定的有效性？实证逡逑分析也证明这样取样也会消去市场微结构噪音的影响，参看文献Ｚ／ｍｎｐ邋ｅｉ以（S{０５）逦和逡逑Ｂａｎｄｉ邋ａｎｄ邋Ｒｕｓｓｅｌｌ邋（２００８）邋ｌ１７０ｌ）．逡逑因为估计量碎Ｐ0ｒ）与估计量碎ｚ（ａ：）之间的有限样本表现几乎没有差别，估计量碎Ｐ（0：）逡逑准确度的获得需要更大的计算量，因此，这里仅仅对新提出的估计量（基于ＲＶ或ＢＰＶ）与非逡逑

【参考文献】