Estimating quadratic variation using realized variance
利用已实现方差估计二次变差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：摘要用高频收益平方和估计二次变差及积分方差，并研究其不确定性，直接对应高频计量与波动率。
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…
利用已实现方差估计二次变差
- 研究问题
- 已实现方差作为二次变差估计量时，除一致性外还能否衡量其不确定性，随机波动率模型能提供怎样的极限理论？
- 方法与思路
- 作者回顾半鞅下已实现方差的一致性，并在较一般的随机波动率模型下推导渐近分布与收敛速度，应用于汇率和股票数据。
- 材料陈述的贡献
- 摘要称，在所述随机波动率模型中可对积分方差估计建立极限理论，无需指定漂移与波动函数；高采样频率下估计仍可能较嘈杂。
- 阅读关注点
- 阅读全文应核对半鞅与随机波动率框架的区别、弱正规条件和渐近方案，以及极限分布如何用于实际不确定性度量。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体正规条件、噪声或跳跃的处理；不能将所述推断推广到所有半鞅，也不能推断版本变化。
原文摘要
Abstract This paper looks at some recent work on estimating quadratic variation using realized variance (RV)—that is, sums of M squared returns. This econometrics has been motivated by the advent of the common availability of high‐frequency financial return data. When the underlying process is a semimartingale we recall the fundamental result that RV is a consistent (as M → ∞) estimator of quadratic variation (QV). We express concern that without additional assumptions it seems difficult to give any measure of uncertainty of the RV in this context. The position dramatically changes when we work with a rather general SV model—which is a special case of the semimartingale model. Then QV is integrated variance and we can derive the asymptotic distribution of the RV and its rate of convergence. These results do not require us to specify a model for either the drift or volatility functions, although we have to impose some weak regularity assumptions. We illustrate the use of the limit theory on some exchange rate data and some stock data. We show that even with large values of M the RV is sometimes a quite noisy estimator of integrated variance. Copyright © 2002 John Wiley & Sons, Ltd.