Statistical inference for rough volatility: Minimax theory
粗糙波动率的统计推断：极小极大理论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：摘要直接研究资产随机波动率，并分析价格观测时点数增加时粗糙度参数的估计精度。
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…
粗糙波动率的统计推断：极小极大理论
- 研究问题
- 在波动率为不可直接观测的潜在过程、且具有H<1/2的粗糙性时，能否从资产价格历史观测中估计Hurst指数？
- 方法与思路
- 作者建立估计H的极小极大下界，并基于小波构造二次泛函的自适应估计程序，以研究价格观测所能提供的精度。
- 材料陈述的贡献
- 摘要称给出粗糙波动率中H估计的严格统计分析及最优程序，将此前针对H>1/2的结果扩展到粗糙情形。
- 阅读关注点
- 应核对波动率模型、价格观测机制、参数空间及最优性条件，尤其确认潜在过程的粗糙度如何由价格信息识别。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；收敛率及“n-consistent”可能存在上下标丢失，需查原PDF，不能据此重构速度或精度比较。
原文摘要
In recent years, rough volatility models have gained considerable attention in quantitative finance. In this paradigm, the stochastic volatility of the price of an asset has quantitative properties similar to that of a fractional Brownian motion with small Hurst index H<1/2. In this work, we provide the first rigorous statistical analysis of the problem of estimating H from historical observations of the underlying asset. We establish minimax lower bounds and design optimal procedures based on adaptive estimation of quadratic functionals based on wavelets. We prove in particular that the optimal rate of convergence for estimating H based on price observations at n time points is of order n−1/(4H+2) as n grows to infinity, extending results that were known only for H>1/2. Our study positively answers the question whether H can be inferred, although it is the regularity of a latent process (the volatility); in rough models, when H is close to 0, we even obtain an accuracy comparable to usual n-consistent regular statistical models.