倒向随机微分方程中非参数估计的核函数选择.pdf

第26卷第11期 统计与信息论坛 2011年11月 VDL26No．11 Forum StatisticsInformation Nov．。2011 【统计理论与方法】 倒向随机微分方程中非参数估计的核函数选择 刘敬伟，胡 爽，康进，罗纪文 (北京航空航天大学数学与系统科学学院，北京100191) 摘要：比较了多种类型的核函数下倒向随机微分方程(BSDE)中生成元2的非参数估计方法，利用不同的 核函数估计BSDE中的生成元z的非参数估计，在均方误差意义下比较了8种不同的核函数下得到的BSDE 的生成元z的非参数估计的精度，统计分析结果显示Gaussian核函数下的估计效果最好。 关键词：倒向随机微分方程；随机微分方程；非参数估计；核函数；均方误差 中图分类号：0175．2。F830．9文献标志码：A 文章编号：1007--3116{2011)11一o008一05 事基于BSDE的期权定价实证研究提供依据。 一、引 言 二、金融市场中的倒向随机微分方程 倒向随机微分方程的研究已经有近半个世纪的 历史，早在1978年Bismut就提出了倒向随机微分对于金融市场中资产(如股票、债券等)满足的 方程(BSDE)的线性情况。1990年，Pardoux和彭如下随机微分方程(SDE)： 实戈引入了如下一般的倒向随机微分方程V1]： dX；=芦(K)dt+口(Xr)dB， 厂丁 rT 其中卢和盯是X，的一元函数，与时间无关。 z∥矾，t∈[o，T] Yt=亭+Ig(s，执，磊)出一I JI JI 杨维强等考虑了如下的具有马氏性 它的解(y，z)是一对适应过程，并给出了解的存在的BSDE[4]： 唯一性。由于上述倒向随机微分方程的解z对应着 r1’ 奠’墨=厂(x争薯)+Ig(r，y≯鼍，砟xf)dr一 期权定价中的投资组合，所以倒向随机微分方程在 广T 数理金融领域得到了迅猛的发展，成为期权定价研 l z；X,dB， Jl 究中的一个强有力的工具[2]。 在金融市场中上式对应欧式期权定价问题， 了解z的性质以及比较2的大小在基于BSDE 的金融数学研究中具有非常重要的意义[H]，根据 公式‘3’6]，假设u(t，z)满足偏微分方程： 彭实戈的非线性Feynman—Kac公式可知[引，并不 是所有的倒向随机微分方程都能得到2的显示解， 厶 于是对z的估计成为BSDE研究中的一个重要课【“(T，z)=八z) 题。杨维强等利用基于Gaussian核函数的非参数估 计给出了倒向随机微分方程中生成元z的估计方 三、多种核函数下BSDE的生成元 法[6】。由于非参数估计中有多种类型的核函数，究竟 哪一种核函数在BSDE解的估计中精度较高，杨维 z的非参数回归估计 强等并未给出结论。本文利用Monte--Carlo方法给 出了8种核函数