Testing for pure-jump processes for high-frequency data
高频数据中的纯跳过程检验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：摘要明确以高频金融数据为对象，利用已实现特征函数检验纯跳模型，直接对应高频计量方向。
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
高频数据中的纯跳过程检验
- 研究问题
- 如何检验高频金融数据的潜在过程能否由纯跳模型描述，并缓解已有检验条件严格和收敛较慢的问题？
- 方法与思路
- 作者基于已实现特征函数构造纯跳过程检验，讨论无限变差跳跃与扩散设定，并用模拟和真实高频数据考察。
- 材料陈述的贡献
- 摘要称新检验具有更快的收敛速度和更广的适用范围，可容纳无限变差跳跃及更灵活的扩散成分设定。
- 阅读关注点
- 阅读全文时应核对纯跳原假设、统计量归一化与速率含义、观测方案，以及噪声和跳跃活动条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；收敛速率的具体含义、市场微观结构噪声处理和实证结果未说明。
原文摘要
Pure-jump processes have been increasingly popular in modeling high-frequency financial data, partially due to their versatility and flexibility. In the meantime, several statistical tests have been proposed in the literature to check the validity of using pure-jump models. However, these tests suffer from several drawbacks, such as requiring rather stringent conditions and having slow rates of convergence. In this paper, we propose a different test to check whether the underlying process of high-frequency data can be modeled by a pure-jump process. The new test is based on the realized characteristic function, and enjoys a much faster convergence rate of order $O(n^{1/2})$ (where $n$ is the sample size) versus the usual $o(n^{1/4})$ available for existing tests; it is applicable much more generally than previous tests; for example, it is robust to jumps of infinite variation and flexible modeling of the diffusion component. Simulation studies justify our findings and the test is also applied to some real high-frequency financial data.