Realized Volatility Forecasting in the Presence of Time-Varying Noise
时变噪声下的已实现波动率预测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：摘要直接研究高频金融价格的微观结构噪声、已实现方差采样频率与波动预测，因此归入高频计量和波动率。
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…
时变噪声下的已实现波动率预测
- 研究问题
- 当高频金融价格中的市场微观结构噪声二阶矩随时间变化时，如何选择已实现方差的采样频率，以降低线性方差预测的有限样本均方误差？
- 方法与思路
- 作者以有限样本预测均方误差为准则研究采样频率选择，建议将频率视为参数，与预测模型参数共同评估，并讨论以平滑参数替代频率的情形。
- 材料陈述的贡献
- 摘要称考虑噪声二阶矩时变性后，最优采样频率通常明显降低，可能带来样本外均方误差收益；作者提出可用于多种预测模型和方差估计量的联合方案。
- 阅读关注点
- 重点核对预测误差如何分解、噪声时变性怎样影响频率选择，以及频率与模型参数的联合优化方法；检查向其他估计量和平滑参数推广的条件。
- 阅读边界
- 摘要未说明具体噪声过程、最优频率计算条件或实证收益幅度；所述样本外均方误差改善属于潜在收益，不能据此认定普遍有效。
原文摘要
Observed high-frequency financial prices can be considered as having two components, a true price and a market microstructure noise perturbation. It is an empirical regularity, coherent with classical market microstructure theories of price determination, that the second moment of market microstructure noise is time-varying. We study the optimal, from a finite-sample forecast mean squared error (MSE) standpoint, frequency selection for realized variance in linear variance forecasting models with time-varying market microstructure noise. We show that the resulting sampling frequencies are generally considerably lower than those that would be optimally chosen when time-variation in the second moment of the noise is unaccounted for. These optimal, lower frequencies have the potential to translate into considerable out-of-sample MSE gains. When forecasting using high-frequency variance estimates, we recommend treating the relevant frequency as a parameter and evaluating it jointly with the parameters of the forecasting model. The proposed joint solution is robust to the features of the true price formation mechanism and generally applicable to a variety of forecasting models and high-frequency variance estimators, including those for which the typical choice variable is a smoothing parameter, rather than a frequency.