Edgeworth expansions for realized volatility and related estimators
已实现波动率及相关估计量的 Edgeworth 展开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：摘要研究高频波动率估计量的分布近似与区间推断。
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…
已实现波动率及相关估计量的 Edgeworth 展开
- 研究问题
- 高频数据波动率估计量的渐近正态近似是否足够准确，能否用高阶展开改善分布近似及区间构造？
- 方法与思路
- 作者在小噪声渐近框架中推导相关估计量的 Edgeworth 展开，并讨论利用 Cornish–Fisher 反演构造区间。
- 材料陈述的贡献
- 摘要称，常规正态近似往往不够准确，所推导的高阶展开可用于获得比直接依赖正态分布更准确的区间。
- 阅读关注点
- 应核对小噪声渐近的缩放关系、展开适用的估计量及正则条件，以及区间改进的误差阶数和可实施计算方式。
- 阅读边界
- 仅据所给出版社摘要，无法给出展开公式、覆盖率改善幅度或适用参数范围；更准确的表述不能视为普遍保证。
原文摘要
This paper shows that the asymptotic normal approximation is often insufficiently accurate for volatility estimators based on high frequency data. To remedy this, we derive Edgeworth expansions for such estimators. The expansions are developed in the framework of small-noise asymptotics. The results have application to Cornish-Fisher inversion and help setting intervals more accurately than those relying on normal distribution.