Resumen

Una de las ventajas de las ecuaciones diferenciales estocsticas (SDE) es que pueden seguir una variedad de tendencias diferentes, de modo que pueden establecer sistemas dinmicos complejos en los mbitos econmico y financiero. Aunque se han propuesto algunos mtodos de estimacin para identificar los parmetros desconocidos en virtud de los resultados en el modelo SDE para acelerar el proceso, estas soluciones slo se centran en el uso de enfoque explcito para resolver SDEs, y por lo tanto no son fiables para hacer frente a la fuente de datos fusionados ser grande y variada. Por lo tanto, este estudio avanza en la creacin de una nueva forma implcita para llenar los vacos de calibrar con precisin los parmetros desconocidos en el modelo SDE. Esencialmente, el objetivo principal del artculo es generar una simulacin SDE rgida. Mientras tanto, el mtodo de optimizacin de enjambre de partculas sirve para buscar y obtener simultneamente la estimacin ptima de los parmetros desconocidos del modelo en el complicado experimento del espacio de parmetros de una manera eficaz. Finalmente, en un modelo de estructura temporal de tipos de inters, se verifica que el mtodo se ocupa eficazmente de la estimacin de parmetros en el modelo SDE.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Ventajas; Ecuaciones diferenciales estocásticas; Sistemas dinámicos complejos; ámbitos económico y financiero; Vía implícita; Estimación de parámetros.
• Keywords:Advantages; Stochastic differential equations; Complex dynamic systems; Economic; Financial fields; Implicit way; Parameter estimation.