The roughness exponent and its model-free estimation
粗糙度指数及其无模型估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以高频金融时间序列展示粗糙度估计，但未明确研究波动率模型。
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
粗糙度指数及其无模型估计
- 研究问题
- 如何逐路径定义并估计连续函数的粗糙度指数，在无需概率模型的条件下建立估计一致性，并处理尺度与采样间隔问题？
- 方法与思路
- 作者通过路径的幂次变差定义粗糙度，以函数展开系数条件建立经典估计的极限，再构造尺度不变估计并扩展至不等距分割。
- 材料陈述的贡献
- 摘要称给出逐路径的无模型一致性结果、多个尺度不变估计量及不等距分割扩展，并讨论粗糙度变化检测与高频金融示例。
- 阅读关注点
- 应核对展开系数的具体条件、指数存在性与估计极限的关系，以及尺度不变处理、不等距分割和动态变化检测的要求。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；无模型仍有路径条件，摘要未给出有限样本误差或金融示例的具体结果。
原文摘要
Motivated by pathwise stochastic calculus, we say that a continuous real-valued function $x$ admits the roughness exponent $R$ if the $p^{\text{th}}$ variation of $x$ converges to zero if $p>1/R$ and to infinity if $p<1/R$. For the sample paths of many stochastic processes, such as fractional Brownian motion, the roughness exponent exists and equals the standard Hurst parameter. In our main result, we provide a mild condition on the Faber--Schauder coefficients of $x$ under which the roughness exponent exists and is given as the limit of the classical Gladyshev estimates $\widehat R_n(x)$. This result can be viewed as a strong consistency result for the Gladyshev estimators in an entirely model-free setting, because it works strictly trajectory-wise and requires no probabilistic assumptions. Nonetheless, our proof is probabilistic and relies on a martingale that is hidden in the Faber--Schauder expansion of $x$. Since the Gladyshev estimators are not scale-invariant, we construct several scale-invariant estimators that are derived from the sequence $(\widehat R_n)_{n\in\mathbb N}$. We also discuss how a dynamic change in the roughness parameter of a time series can be detected. Finally, we extend our results to the case in which the $p^{\text{th}}$ variation of $x$ is defined over a sequence of unequally spaced partitions. Our results are illustrated by means of high-frequency financial time series.