连续时间模型的估计一直都是比较困难的，在优化算法上的要求也比较高不容易把握，我在2010年结合目前高频数据方法提出了新的估计方式，不太依赖优化算法。这篇文章只是用了利率基本模型做了技术展示，实际上这个方法也能扩展到较为复杂的连续时间模型中去，那样的价值会更明显。希望能够得到版上的各类大牛的指导。

摘要：现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法, 增强了连续时间扩展模型的弹性和可操作性。以Vasicek 模型为例给出了该方法的应用实例, 首先在第一阶段使用实现波动率方法估计出模型的扩散项参数, 然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖程度低, 结果较为稳定可靠。