Generalized Method of Integrated Moments for High-Frequency Data
高频数据的广义积分矩方法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：摘要以高频资产收益恢复潜在随机波动率，并据此构造积分矩条件进行参数推断，因此归入高频计量与波动率方向。
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
高频数据的广义积分矩方法
- 研究问题
- 如何利用含潜在随机波动率的时间积分矩条件推断有限维参数，并处理高频收益估计波动率后传递到第二阶段的非线性偏差？
- 方法与思路
- 作者先由高频资产收益非参数恢复波动率路径，再构造样本矩进行GMM估计，校正第一步引入的高阶非线性偏差，并估计条件渐近方差。
- 材料陈述的贡献
- 摘要称，估计量一致且渐近混合高斯，条件渐近方差可一致估计；同时提出Bierens型一致设定检验和带噪半鞅积分泛函的经验过程型理论。
- 阅读关注点
- 重点核对波动率路径估计、偏差校正及矩条件构造，并检查混合高斯极限、条件方差估计和设定检验在填充渐近框架下的成立条件。
- 阅读边界
- 摘要未说明采样与噪声条件、调节参数选择或有限样本表现；理论基于填充渐近，不能仅据摘要判断方法在低频或复杂市场噪声下的适用性。
原文摘要
We propose a semiparametric two‐step inference procedure for a finite‐dimensional parameter based on moment conditions constructed from high‐frequency data. The population moment conditions take the form of temporally integrated functionals of state‐variable processes that include the latent stochastic volatility process of an asset. In the first step, we nonparametrically recover the volatility path from high‐frequency asset returns. The nonparametric volatility estimator is then used to form sample moment functions in the second‐step GMM estimation, which requires the correction of a high‐order nonlinearity bias from the first step. We show that the proposed estimator is consistent and asymptotically mixed Gaussian and propose a consistent estimator for the conditional asymptotic variance. We also construct a Bierens‐type consistent specification test. These infill asymptotic results are based on a novel empirical‐process‐type theory for general integrated functionals of noisy semimartingale processes.