A bias-corrected estimator of the covariation matrix of multiple security prices when both microstructure effects and sampling durations are persistent and endogenous
持续且内生的微观结构效应与采样时长下证券协变矩阵的偏差校正AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究异步高频证券交易下的价格协变矩阵及微观结构噪声校正。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
持续且内生的微观结构效应与采样时长下证券协变矩阵的偏差校正
- 研究问题
- 当微观结构效应和采样时长具有持续性与内生性，且多证券异步交易时，如何稳健估计对数证券价格的协变矩阵？
- 方法与思路
- 作者将两个已实现核作凸组合以形成非参数偏差校正估计量，建立其渐近性质，并以子抽样估计渐近协方差矩阵。
- 材料陈述的贡献
- 摘要称，估计量在所述环境下具有一致性、渐近正态性及参数收敛速率；模拟中其非线性函数降低偏差和均方误差，方差略增。
- 阅读关注点
- 应核对噪声与刷新时长内生性的定义、异步交易处理和核组合权重，并查看参数速率的条件及非线性函数的比较对象。
- 阅读边界
- 仅据所给出版社摘要；摘要未提供噪声条件、具体速率表达式或模拟数值，所述均方误差改善不能扩展至所有函数和采样机制。
原文摘要
I propose a bias-corrected non-parametric estimator of the covariation matrix of log security prices, designed as a convex combination of two realized kernels. The estimator is simple but possesses desirable statistical properties including consistency, asymptotic normality and the parametric rate of convergence in the presence of persistent, diurnally heteroskedastic and endogenous microstructure effects. It is robust to the asynchronous trading of multiple securities with persistent and endogenous refresh-time durations. I also prove the consistency of a subsampling-based estimator of the asymptotic covariance matrix of the proposed estimator. In simulations, the non-linear functions of the proposed estimator exhibit smaller bias than those based on a realized kernel, while only slightly increasing the variance. Thereby, the proposed estimator reduces the mean squared error.