1、概率论与数理统计专业优秀论文 一种基于风险和无风险投资的非线性统计模型的估计关键词：离散时间 资产定价 非线性模型 风险投资 参数估计 金融数学摘要：在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建
2、立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极
3、限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。 第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。正文内容在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许
4、多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。本文主要讨论了上述非线性模型的参
5、数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给
6、出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。 第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能
7、地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做
8、了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的
9、参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下
10、线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随
11、机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子
12、里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明
13、。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在
14、二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）
15、的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机
16、微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不
17、可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了
18、参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模
19、型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备
20、市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前
21、关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预
22、期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X
23、（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出
24、了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一
25、种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分
26、方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。在二十一世纪，有关金融数学的研究显得越发重要。金融模型中的参数估计问题是近年来人们广泛研究的课题。金融市场中，有许多不确定因素，从资产价格上表现为价格的波动，这种
27、不确定因素和波动性在金融上成为风险。 风险不仅可以带来预期的收益，也可以带来超出预期的损失。在实际当中，投资者不可能把资产都投资在一个方面。众所周知，把鸡蛋放在一个篮子里是很危险的，篮子一旦失手，鸡蛋就全没了。投资者应尽可能地把鸡蛋放在不同的篮子里，利用投资的分散组合原则，科学、合理的建立风险投资组合，减少风险，例如可以投资一种无风险资产和一种风险资产。 在这篇文章中，我们利用完备市场中的一个无风险资产（例如债券）和风险资产（例如股票）的投资组合，由离散时间定价过程，经过一系列推导得到了如下线性模型：（公式略） 。 本文主要讨论了上述非线性模型的参数估计问题。首先根据 Z 满足的条件，由非参方
28、法，在t 很小和比较大的情况下，得到了方差函数 Z2（X（t） ）的估计，并给出了渐近性质及其证明。另外也给出了参数 （t）的估计方法及渐近性质，并给出了渐近性质的证明。 为了验证估计方法的有效性，本文还针对几种不同的情况做了模拟，模拟结果显示，我们的估计方法是有效的。 另外，上述模型的极限形式与终端条件就构成了正倒向随机微分方程。关于倒向随机微分方程的估计，还没有系统的理论，目前关于这方面的研究较少。本文实际上也提供了一种估计倒向随机微分方程的方法。 本文组织结构如下: 第二章回顾了正向随机微分方程的估计，包括时齐的和非时齐的。 第三章中，本文给出了基于风险和无风险投资建模的过程，经过一系列
29、推导，建立了新的模型，包括线性的和非线性的。 第四章给出了非线性模型的估计及其渐近性质。第五章给出了几个具体的模型并做了模拟，模拟结果显示我们的估计方法确实是有效的。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。我们还可提供代笔服务，价格优惠，服务周到，包您通过。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌甸?*U 躆 跦?l, 墀 VGi?o 嫅#4K 錶 c#x 刔 彟 2Z 皙笜?D 剧珞 H 鏋 Kx 時 k
30、,褝仆? 稀?i 攸闥-) 荮vJ 釔絓|?殢 D 蘰厣?籶(柶胊?07 姻Rl 遜 ee 醳 B?苒?甊袝 t 弟l?%G 趓毘 N 蒖與叚繜羇坯嵎憛?U?Xd* 蛥?-.臟兄+鮶 m4嵸/E 厤U 閄 r塎偨匰忓tQL 綹 eb?抔搉 ok 怊 J?l?庮 蔘?唍*舶裤爞 K 誵Xr 蛈翏磾寚缳 nE 駔殞梕 壦 e 櫫蹴友搇6 碪近躍邀 8 顪?zFi?U 钮 嬧撯暼坻7/?W?3RQ 碚螅 T 憚磴炬 B- 垥 n 國 0fw 丮“eI?a揦(?7 鳁?H?弋睟栴?霽 N 濎嬄! 盯 鼴蝔 4sxr?溣?檝皞咃 hi#?攊(?v 擗谂馿鏤刊 x 偨棆鯍抰Lyy|y 箲丽膈淢 m7 汍衂法瀶?鴫 C?Q 貖 澔?wC(?9m.Ek?腅僼碓 靔 奲?D| 疑維 d袣箈 Q| 榉慓採紤婏(鞄-h-蜪7I冑?匨+蘮.-懸 6 鶚?蚧?铒鷈?叛牪?蹾 rR?*t? 檸?籕
