Nonparametric Estimation in a Stochastic Volatility Model

  • In this paper we derive nonparametric stochastic volatility models in discrete time. These models generalize parametric autoregressive random variance models, which have been applied quite successfully to nancial time series. For the proposed models we investigate nonparametric kernel smoothers. It is seen that so-called nonparametric deconvolution estimators could be applied in this situation and that consistency results known for nonparametric errors- in-variables models carry over to the situation considered herein.

Metadaten exportieren

  • Export nach Bibtex
  • Export nach RIS

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Jürgen Franke, Wolfgang Härdle, Jens-Peter Kreiss
URN (Permalink):urn:nbn:de:hbz:386-kluedo-10587
Schriftenreihe (Bandnummer):Report in Wirtschaftsmathematik (WIMA Report) (37)
Dokumentart:Preprint
Sprache der Veröffentlichung:Englisch
Jahr der Fertigstellung:1998
Jahr der Veröffentlichung:1998
Veröffentlichende Institution:Technische Universität Kaiserslautern
Datum der Publikation (Server):28.08.2000
Fachbereiche / Organisatorische Einheiten:Fachbereich Mathematik
DDC-Sachgruppen:5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
Lizenz (Deutsch):Standard gemäß KLUEDO-Leitlinien vor dem 27.05.2011

$Rev: 13581 $