Estimation of continuous-time stochastic volatility models with jumps using high-frequency data
利用高频数据估计含跳跃的连续时间随机波动率模型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：摘要明确研究随机波动率、价格跳跃及由高频数据构造的已实现多幂变差。
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
利用高频数据估计含跳跃的连续时间随机波动率模型
- 研究问题
- 如何利用高频数据中的已实现变差统计量，对含价格跳跃的连续时间随机波动率模型进行估计与推断？
- 方法与思路
- 作者把高频数据计算的已实现多幂变差作为不可观测渐近极限的替代，分析替代误差，并开展模拟和半参数应用。
- 材料陈述的贡献
- 摘要称，论文给出替代误差为概率小量的条件，模拟支持使用渐近近似时的有限样本表现，并估计两个半参数模型。
- 阅读关注点
- 应核对日内频率与样本天数的联合渐近要求、跳跃处理和替代误差界，尤其查明摘要缺失的更强误差阶公式。
- 阅读边界
- 所给出版社摘要的一处误差阶公式缺失，无法确定更强结论；具体条件、模型与模拟数值均未说明，不能补造。
原文摘要
This paper proposes a method of inference for general stochastic volatility models containing price jumps. The estimation is based on treating realized multipower variation statistics calculated from high-frequency data as their unobservable (fill-in) asymptotic limits. The paper provides easy-to-check conditions under which the error in estimation resulting from this approximation is op(1) and additional ones under which it is , where T is the number of days in the sample. Extensive Monte Carlo analysis shows that the proposed estimation method works well in finite samples, provided asymptotic approximations are used. The estimation technique is applied to the estimation of two semiparametric models.