Testing for jumps in a discretely observed process
离散观测过程中的跳跃检验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：摘要直接研究采样间隔趋零时的跳跃检验，并应用于资产收益，属于高频计量。
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
离散观测过程中的跳跃检验
- 研究问题
- 如何利用离散采样的资产收益或其他过程，检验其中是否存在跳跃，并使检验适用于不同的跳跃活动程度？
- 方法与思路
- 作者提出利用采样间隔趋零时统计量的不同极限区分有无跳跃；摘要称该方法不需要预先估计过程系数。
- 材料陈述的贡献
- 摘要称检验适用于所有伊藤半鞅，可处理有限或无限活动跳跃及任意跳跃活动指数，并展示模拟和资产收益应用。
- 阅读关注点
- 应核对统计量构造、不同假设下的极限与临界值，以及适用条件如何支撑其广泛性和实际采样下的检验表现。
- 阅读边界
- 以下限制对应原请求所用摘要版本：这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体正则条件、检验误差或市场微观结构噪声处理。 经AI辅助核对旧与当前摘要内容等价；未另读刊稿全文，不能据此证明整个稿件版本等价。
原文摘要
We propose a new test to determine whether jumps are present in asset returns or other discretely sampled processes. As the sampling interval tends to 0, our test statistic converges to 1 if there are jumps, and to another deterministic and known value (such as 2) if there are no jumps. The test is valid for all Itô semimartingales, depends neither on the law of the process nor on the coefficients of the equation which it solves, does not require a preliminary estimation of these coefficients, and when there are jumps the test is applicable whether jumps have finite or infinite-activity and for an arbitrary Blumenthal–Getoor index. We finally implement the test on simulations and asset returns data.