在金融数学中,研究连续时间模型估计问题的文献广泛存在,但有关连续时间模型设定检验方面的工作却相对较少。模型在前提假设的不严密往往导致检验结果的错误推断,更严重的,错误拟合的模型可能会导致定价,套期保值以及风险管理上大的误差。因此,寻求一种有效的非参数方法对连续时间模型的假设进行检验是非常必要的。本文就该领域的不足做出了一系列工作。通过回顾连续时间模型估计问题在理论和实证分析中的一些成果,重点针对连续时间模型的非参数检验进行了研究。首先讨论了两种非参数设定检验方法,分别是Hong的基于转移密度的检验方法和Sahalia基于边缘密度的检验方法。然后使用这两种方法针对四种假设情况进行了模拟分析,利用模拟产生100条数据轨道进行了对比分析。最后分析结果表明Hong的方法有过分接受原假设的趋势,Sahalia的方法有过分拒绝原假设的趋势。其次,在分析前人研究的理论基础上,做出一些改进。对于Hong的方法,我们不是直接比较广义残差的概率密度,而是通过改用χ2拟合优度检验广义残差序列(?)是否独立同U[0,1]分布。改进之后提高了检验功效,在CIR模型中没有出现过分接受的现象。在Sahalia的方法中,我们选用带宽集取代单一带宽,这样做避免了检验对于单一带宽的依赖。通过模拟分析,发现检验方法仍然有过分接受的现象。最后,选择个股和汇率作为原始数据使用改进后的方法进行实证分析。我们选择一个具有持续增长趋势的个股的收盘价,分析的结论表明可以用几何Brown运动描述该股票的收盘价。接着选取人民币对美元的汇率作为原始数据,分析结果表明可以用CIR模型描述该汇率过程。