跳到正文
AI × 量化 × 交易AI 入门 ¥399 · 年度信号 ¥1,299 · AI 直播课 ¥5,980 · 合作机构员工优先查看 →
热点事件持续更新

EFM签名波动率模型鞅性准则研究论文发布

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Dimitri Sotnikov与Adeline Viot发布研究论文,为指数衰减记忆(EFM)特征波动率模型建立了鞅性判定准则,扩展了Abi Jaber、Gassiat与Sotnikov 2026年的相关结论。 该模型以时间增广布朗运动的EFM特征的线性泛函定义波动率过程,具备全局良态、完全非马尔可夫且存在平稳分布的特性,可适配初始远期方差曲线。研究证明,排除平凡情形后,价格过程为真鞅当且仅当截断阶数为奇数且满足含相关参数的符号条件。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv q-fin
    EFM 特征波动率模型中的鞅性研究

    该研究针对指数衰减记忆(EFM)特征波动率模型建立了鞅性判定准则,扩展了 Abi Jaber、Gassiat 与 Sotnikov 2026 年的相关结论。该模型以时间增广布朗运动的 EFM 特征的线性泛函定义波动率过程,具备全局良态、完全非马尔可夫且存在平稳分布的特性,可适配初始远期方差曲线。研究证明,排除平凡情形后,价格过程为真鞅当且仅当截断阶数为奇数且满足含相关参数的符号条件。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。