扩散过程在数理金融领域中扮演着重要的角色,例如在利率期限结构理论和投资组合的选取以及资产定价、衍生物定价等这些领域中都要用到扩散过程。扩散过程在这些领域中的应用证明了扩散过程是描述金融市场的最具有吸引力的工具之一。随着当代数理金融学的发展以及扩散过程在现实金融市场的应用逐渐广泛,扩散过程的统计分析问题已经成为当下金融数学研究上的一个热点问题。但是,在大多数的参数估计当中,都是基于扩散过程的不变分布密度进行的。由于扩散过程不变分布不能很好地体现有限时间内过程的动态特征,且在很多情况下,大部分扩散过程不具有不变分布。而扩散过程的转移密度对于模型检验等问题更为重要。由于扩散过程具有马尔可夫性质,多数具有不变的转移密度,其转移密度能获得连续时间过程的全部动态特征,因此基于转移密度的估计比基于不变密度的估计更有意义。所以,为了研究扩散过程的参数估计问题,本文基于最小Hellinger距离的定义给出了利用转移密度构造的参数估计量。首先给出扩散过程不变分布密度和联合密度的非参数估计量以及估计量的性质(一致收敛性以及渐近正态性)。基于此,给出了转移密度的非参数估计量并研究了它的性质(一致收敛性以及渐近正态性)。然后通过最小化扩散过程的转移密度和该密度的一个非参数估计量之间的Hellinger距离构造扩散过程的参数统计量,实现这一统计量的一致收敛性和渐近正态性。最后为了强调说明该方法的可行性,本文将这一方法应用于几何Brown运动和CEV模型这两个例子给出模拟分析。