随机过程模型是数理研究的重要领域之一,由于随机过程具有马氏性、独立性等重要特征因此对于准确的构建金融违约风险模型,在极端值及不完全数据下减少在刻划金融市场宏观稳定性强度参数指标的过程中产生的误差具有显著的作用。同时本文在一般强度违约参数模型的传染项因素中加入了违约累积次数的衰减性影响,降低了模型过度敏感的特征提高了模型的稳定性和抗干扰能力,使得模型在面对极端值或者尖峰厚尾分布的条件下对于平均违约到达率的测算也有着较好的表现。同时由于不完全数据产生的标记点过程中部分可观测解释变量与点过程路径相互依赖,使得标记点过程强度参数模型似然函数产生了滤波问题。因此采用传统的参数估计方法在待估参数的收敛速度,估计精度,分布方差等方面均存在一定的缺陷。本文通过滤波似然方法对强度参数模型参数估计中的滤波问题进行求解。同时本文使用2014年3月至2019年5月我国金融违约数据对在HAWKES自激传染项中加入累积违约次数衰减影响的推广CM模型以及ERM模型进行比较分析,研究不同模型在小样本情况下对我国金融违约数据拟合程度的优劣。研究结果表明推广后的CM模型由于考虑了Cluster违约效应,对于我国的金融违约数据的拟合有着更好地效果。同时滤波似然方法对于模型的参数估计在参数估计效率,收敛速度以及估计精度方面有着较好的表现。