在扩散模型的参数估计方法中,由AYt-Sahalia(2002)提出的将转移密度函数Hermite展开,继而逼近该展式得到显式的解析式,从而构成近似的似然函数,其可处理转移密度函数未知的情形,且逼近的解析式十分精确.但是,其作为一种近似的似然法,无法避免转移密度函数逼近序列的非正则化问题(即该逼近序列积分后不等于1).本文利用新近提出的Stein变分梯度下降法(SVGD)处理此逼近序列,克服了其非正则化的壁垒,从而实现了从正则化的转移密度函数逼近序列抽样继而生成扩散过程的模拟路径.本文还构造了用生成对抗的方式求解正则化的近似最大似然估计(GA-NA-MLE)的方法.此外,本文还给出了相关的收敛性结果和正则化的转移密度函数逼近序列的几种后续应用,包括:1、金融衍生品定价;2、参数形式扩散模型族的确定问题;3、不同参数形式的扩散模型差异比较.