基于小波基Lévy密度的非参数估计-概率论与数理统计专业论文.docxVIP

基于小波基Lévy密度的非参数估计-概率论与数理统计专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
国内图书分类号:0212.7 国内图书分类号:0212.7 密级:公开 国际图书分类号:519.2 西南交通大学 研究生学位论文 年 级 2Q 12级 姓 名 塞!j董 申请学位级别 亟± 专 业褪室途皇数理统让 指导老师 赵珐塞塾拯 二零一五年五月一令一丑平丑月 万方数据 Classified Classified Index:02 1 2.7 U.D.C:519.2 Southwest Jiaotong University Master Degree Thesis NOINEPARAMETRIC ESTIMATION FOR LEVY PROCES SES BASED ON WAVELET BASIS Grade:2012 Candidate:Liu Ying Academic Degree Applied for:Master’S Degree Speciality:Probability and Statistics Supervisor:Prof.Zhao Lianwen May,2015 万方数据 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅.本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文. 本学位论文属于 1.保密口,在 年解密后适用本授权书; 2.不保密d使用本授权书. (请在以上方框内打,,v”) 学位论文作者签名:刘霞 指导老师签名: 日期:力匹年r目哆凰 日期:疹毋fs·r、7弓 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下: 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下: 第一:基于Haar小波基函数,构造了小波基下L6vy过程中纯跳过程的测度的估 计量,进一步,给出了Haar小波基下L6vy密度的投影估计量; 第二:选取合适而有效的罚函数形式,从均方误差角度出发,利用对照函数思想 和罚函数思想,构造了由两部分构成的目标函数:损失函数和控制复杂度的惩罚函数: 第三:基于离散高频数据,讨论了Poisson随机积分的数值逼近方法,并给出了 Haar小波基下的带惩罚投影估计量的离散逼近形式; 第四:通过把Haar小波基下的惩罚投影估计方法应用于两种重要的L6vy过程, Gamma过程和Variance Gamma过程的仿真模拟数据,结合最小二乘方法,得到了参 数估计的结果,并讨论了不同的采样精度对估计结果的影响。 本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体,均己在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名:旁I顽 日期:劢眵珥岁目矽日 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 L6vy过程是随机过程理论研究的重心。近20年来,在经典的B.S期权定价模型 中,对于股票价格的连续变化服从几何布朗运动的假设,已经被实证研究证明与实际 数据有显著的不一致,如尖峰厚尾现象。为了更好的展现数据特性,揭示价格变化的 实质,在数理金融领域中,抛弃几何布朗运动假设的L6vy过程模型日益受到重视。 在连续时间过程的金融建模中,相比于传统的连续轨道的布朗运动模型,带跳跃的 L6vy过程模型能更好地刻画市场价格的跳跃,更好的解释尖峰厚尾现象,更好地拟 合金融数据的统计特征,更准确地对衍生品进行定价。然而,过高的计算强度、Poisson 随机积分的计算难度等问题,严重地影响了L6vy过程模型在实践中的应用,尤其在 现今的高频数据场合下。 本文介绍了基于Haar小波基的L6vy过程密度的非参数估计方法,构造了L6vy 过程中纯跳过程的测度的估计量,同时结合基于离散数据的Poisson积分的逼近方法, 给出了小波基下的带惩罚投影估计量的离散逼近形式。 模型选择方面,从均方误差的角度出发,采用对照函数和罚函数的思想,构造了 以Poisson随机积分定义的由两部分构成的目标函数:损失函数和控制复杂度的惩罚 函数。 在模拟验证中,对两种在数理金融领域具有重要意义的L6vy过程:Gamma L∈vy 过程和Variance Gamma L6vy过程进行了仿真模拟,采用Haar小波基构造了带惩罚的 投影估计量,并讨论了在不同情形下带惩罚的投影估计量的表现。 最后,对在风险

您可能关注的文档

文档评论(0)

131****9843 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档