楼主: 能者818
286 12

[量化金融] 基于离散模型的次临界Heston模型参数估计 [推广有奖]

11
kedemingshi 在职认证  发表于 2022-5-6 18:05:41
实际上,用符号f(c,d,γ,δ):=nXi=1(易)- dYi-1.-c) +(Xi)- xi-1.-γ - δYi-1), (c,d,γ,δ)∈ R、 我们有Fc(c,d,γ,δ)=-2nXi=1(Yi)- dYi-1.- c) ,,Fd(c,d,γ,δ)=-2nXi=1Yi-1(易)- dYi-1.- c) ,,Fγ(c,d,γ,δ)=-2nXi=1(Xi- xi-1.- γ - δYi-1),Fδ(c,d,γ,δ)=-2nXi=1Yi-1(Xi)- xi-1.- γ - δYi-1).因此,由f等于0的一阶偏导数组成的方程组形成“nPni=1Yi-1Pni=1Yi-1Pni=1Yi-1#!cdγδ=Pni=1YiPni=1Yi-1YiXn- xPni=1(Xi- xi-1) 易-1..这个imp位于(3.4),因为由f的二阶部分导数组成的4×4矩阵具有形式2i“nPni=1Yi-1Pni=1Yi-1Pni=1Yi-1#为正定义,前提是nPni=1Yi-1> (Pni=1Yi)-1). 事实证明,在计算(c,d,γ,δ)的CLSE时,不需要知道参数σ,σ和δ的值.下一个引理确保了基于d iscr观测的(c,d,γ,δ)CLSE的唯一存在性。3.1引理。如果∈ R++,b∈ R、 σ∈ R++,Y=Y∈ R+,然后f或所有n>2,n∈ N、 韦哈维普nnXi=1Yi-1> nXi=1Yi-1.= 因此,假设α,β∈ R、 σ∈ R++, ∈ (-1,1),存在(c,d,γ,δ)的唯一CLSE(bcCLSEn,bdCLSEn,bγCLSEn,bδCLSEn),其形式为(3.4)中的gi ven。证据通过简单的计算,nnXi=1Yi-1.-nXi=1Yi-1!= nnXi=1易-1.-nnXj=1Yj-1.> 0,当且仅当i-1=nnXj=1Yj-1,i=1,N<==> Y=Y=···=Yn-1.然后,对于所有n>2,P(Y=Y=···=Yn)-1) 6 P(Y=Y)=P(Y=Y)=0,因为Yi定律是绝对连续的,参见Cox等人[4,formu la 18]。注意引理3.1对所有b都有效∈ R、 也就是说,不仅仅是对于苏-伯临界赫斯顿模型。接下来,我们描述了(c,d,γ,δ)的CLSE的渐近行为。

12
mingdashike22 在职认证  发表于 2022-5-6 18:05:45
如果a,b∈ R++,α,β∈ R、 σ,σ∈ R++, ∈ (-1,1)和(Y,X)=(Y,X)∈R++×R,则(3.4)中给出的(c,d,γ,δ)的CLSE(bcCLSEn,bdCLSEn,bγCLSEn,bδCLSEn)是强一致且渐近正态的,即。,(bcCLSEn,bdCLSEn,bγCLSEn,bδCLSEn)a.s。-→ (c,d,γ,δ)as n→ ∞,和√NbcCLSEn- cbdCLSEn- dbγCLSEn- γbδCLSEn- δL-→ N(0,E)作为N→ ∞,对于一些明确给定的对称正定义矩阵E∈ R2×2注入(3.14)。证据到(3.4),我们得到“bcCLSEnbdCLSEn”#=nXi=1“易-1#“易”-1#-1nXi=1“易-1#Yi=nXi=1“易-1#“易”-1#-1.nXi=1“易-1#“易”-1#“cd#+nXi=1“易-1#“易”-1#-1nXi=1“易-1#(易)- C- dYi-1) =“cd#+nnXi=1“易-1#“易”-1#-1nnXi=1“Yi-1#εi,(3.5)式中εi:=Yi- C- dYi-1.我∈ N、 假设nPni=1Yi-1> (Pni=1Yi)-1). 根据(3.1)和(3.3),E(Yi | Fi-1) =dYi-1+c,i∈ N、 因此(εi)i∈这是关于过滤(Fi)i的一系列鞅差∈Z+。通过(2.1),我们得到了yi=e-拜-1+aZii-1e-b(i)-u) du+σZii-1e-b(i)-u) pYudWu=dYi-1+c+σZii-1e-b(i)-u) pYudWu,我∈ N、 因此,根据Karatzas和Shreve[12]中的命题3.2.10和(2.2),我们得到了(εi | Fi)-1) =σE齐伊-1e-b(i)-u) 俾德乌菲-1.= σZii-1e-2b(i)-u) E(Yu|Fi)-1) du=σZii-1e-2b(i)-u) e-b(u)-i+1)易-1du+σZii-1e-2b(i)-u) 阿祖-1e-b(u)-v) dv du=σYi-1Ze-b(2)-v) dv+σaZZue-b(2)-五、-u) dv du=:CYi-1+C.现在我们将定理2.5应用于平方可积martin gale M(C)n:=Pni=1εi,n∈ N、 它具有可预测的二次变化过程hM(c)in=Pni=1E(εi | Fi-1) =CPni=1Yi-1+Cn,n∈ N、 例如,见Shiryaev[16,第七章,第1节,公式(15)]。通过(2.5)和(2.7),hM(c)inna。s-→ 行政长官(Y)∞) + 卡斯n→ ∞,自从C,C∈ R++,hM(c)ina。s-→ ∞ 作为n→ ∞. 因此,根据定理2.5,(3.6)nnXi=1εi=M(c)nhM(c)inhM(c)inna。s-→ 0·(CE(Y)∞) + C) =0表示n→ ∞.同样地,E(Yi)-1εi | Fi-1) =易-1E(εi | Fi)-1) =CYi-1+CYi-1.我∈ N、 通过与之前基本相同的推理,nPni=1Yi-1εia。s-→ 0作为n→ ∞.

13
何人来此 在职认证  发表于 2022-5-6 18:05:48
通过(2.5)和(2.7),nnXi=1“易-1#“易”-1#-1=“nPni=1Yi-1nPni=1Yi-1nPni=1Yi-1#-1a。s-→“1 E(Y)∞)E(Y)∞) E(Y)∞)#-1(3.7)作为n→ ∞, 我们使用E(Y)的地方∞) - (E(Y)∞))=aσ2b∈ R++,因此,极限是非奇异的。因此,通过(3.5),(bcCLSEn,bdCLSEn)a.s。-→ (c,d)作为n→ ∞.进一步,通过(3.4),“bγCLSEnbδCLSEn#=nXi=1“易-1#“易”-1#-1nXi=1“易-1#(Xi)- xi-1)!=nXi=1“易-1#“易”-1#-1.nXi=1“易-1#“易”-1#\"γδ#+nXi=1“易-1#“易”-1#-1nXi=1“易-1#(Xi)- xi-1.- γ - δYi-1)=\"γδ#+nnXi=1“易-1#“易”-1#-1nnXi=1“Yi-1#ηi,(3.8),其中ηi:=Xi- xi-1.- γ - δYi-1.我∈ N、 假设nPni=1Yi-1> (Pni=1Yi)-1). 通过(3.1)和(3.3),E(Xi | Fi-1) =Xi-1+δYi-1+γ,i∈ N、 i)和η∈这是一系列与过滤(Fi)有关的艺术差异∈Z+。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群
GMT+8, 2025-12-22 08:05