每日简报 · 日简报 · 2026-04-06

简报说明

来源与收录范围

汇总期刊目录中的 10 个期刊来源，以及 arXiv 计量经济学与相关统计、金融分类和主题检索中的预印本。期刊题录主要来自 Crossref，可靠摘要保留补充来源；期刊官网链接可在论文检索的说明中核对。

保留计量方法研究、相关统计基础及实质涉及计量方法的应用、教程、比较和综述。待核验、范围外及撤回记录不进入公开简报。基础文献按学习与研究需要单独选编。

本站收录时间统一使用北京时间。“本期动态”汇总期刊新收录与 arXiv 首次发布、修订；“近期发表”按已知发表／首次提交日期匹配。期刊论文按北京时间的本站首次收录日汇总。arXiv 按原站 UTC 首次提交日和当前版本修订日，分为本期首次发布、本期修订；同一篇在一期只计一次，首次发布优先。历史补录按原站日期归档，不计入补录当天。修订仅覆盖已取得的当前版本，未保存的中间版本无法补算。撤回内容会同步移除；发表日期依原文版本和已知日期精度确定。

当前结果：已发表 0 篇 · 待刊 0 篇 · 预印本 2 篇

关键词匹配标题、摘要、作者或 DOI；支持部分字母，多词同时匹配，双引号匹配短语。

本期动态按期刊、arXiv 首次发布、arXiv 修订分组，组内默认本文引用优先。也可选择作者引用优先或最新收录。

期刊论文在前，预印本在后。组内先看本文引用，再看已有明确关联作者的最高累计引用，最后按当前日期顺序排序。

“作者引用”指已有明确关联作者的最高累计引用，不合计共同作者。目前作者指标只来自有身份关联快照的预印本，普通期刊条目可能没有该项数据；本页 0/2 篇有可核验作者指标。

本文引用采用 OpenAlex 单条关联记录，不合计版本；缺失不记作零。累计引用会随时间积累，可结合近年范围比较；引用数和作者发表经历是阅读线索，不代表论文质量或同行评审状态。

“作者发表记录”展示作者已有论文的可核验发表记录，不证明该预印本已接收或通过同行评审。

正常题录、可靠摘要和引用同步继续；AI 解读依据可靠材料，材料不足时保留待解读状态。

本期 2 篇2026-04-06

阅读顺序

导出

BibTeX ↓RIS ↓RSS 订阅 ↗

arXiv · 本期修订

Staleness Factors and Volatility Estimation at High Frequencies

Xinbing Kong · Bin Wu · Wuyi Ye首次提交 2024-10-10 · 修订 2026-04-06 · v3arXiv预印本

高频价格停滞因子与波动率估计AI 解读

In this paper, we propose a price staleness factor model that accounts for pervasive market friction across assets and incorporates relevant covariates. Using large-panel high-frequency data, we derive the maximum likelihood estimators of the regression coefficients, the nonstationary factors, and their loading parameters. These estimators recover the time-varying price staleness probabilities. We develop asymptotic theory in which both the dimension $d$ and the sampling…In this paper, we propose a price staleness factor model that accounts for pervasive market friction across assets and incorporates relevant covariates. Using large-panel high-frequency data, we derive the maximum likelihood estimators of the regression coefficients, the nonstationary factors, and their loading parameters. These estimators recover the time-varying price staleness probabilities. We develop asymptotic theory in which both the dimension $d$ and the sampling…

金融 · 金融因子面板数据结构变化与时变参数

关联记录被引 0 次 ↗OpenAlex · 核验 2026-09-30

本站首次收录：2026/09/30 00:13

作者引用：暂无数据

作者提供的期刊信息 ↗

AI 解读阅读原文 ↗BibTeX ↓

A Nontrivial Upper Bound on the Out-of-Sample $R^2$ in Return ForecastingA Nontrivial Upper Bound on the Out-of-Sample $R^2$ in Return Forecasting

Cheng Zhang首次提交 2026-02-08 · 修订 2026-04-06 · v3arXiv预印本

收益预测样本外 R² 的非平凡上界AI 解读

This study establishes a nontrivial upper bound on the out-of-sample $R^2$ ( $R^2_{\text{OOS}}$ ) in return forecasting. In particular, we define a coin-flip oracle model that, under the same directional accuracy, theoretically outperforms practical models in terms of MSE. The $R^2_{\text{OOS}}$ of the oracle model, whose analytical expression is a quadratic function of directional accuracy, can therefore serve as a tractable upper bound on the actual $R^2_{\text{OOS}}$ .…This study establishes a nontrivial upper bound on the out-of-sample $R^2$ ($R^2_{\text{OOS}}$) in return forecasting. In particular, we define a coin-flip oracle model that, under the same directional accuracy, theoretically outperforms practical models in terms of MSE. The $R^2_{\text{OOS}}$ of the oracle model, whose analytical expression is a quadratic function of directional accuracy, can therefore serve as a tractable upper bound on the actual $R^2_{\text{OOS}}$.…

金融 · 收益预测预测与混频

关联记录被引 0 次 ↗OpenAlex · 核验 2026-10-01