Realized regression with asynchronous and noisy high frequency and high dimensional data
异步、含噪与高维高频数据的已实现回归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：摘要以交易、报价、异步观测和微观结构噪声为核心，直接对应金融高频计量，未明确其他细分方向。
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
异步、含噪与高维高频数据的已实现回归
- 研究问题
- 当交易或报价在不同变量之间不同步，并带有微观结构噪声时，如何进行适用于固定维度和增长维度的高频回归？
- 方法与思路
- 作者提出称为“已实现回归”的高频数据回归方法，允许跨变量观测异步、存在微观结构噪声，并覆盖两类维度设定。
- 材料陈述的贡献
- 摘要明确强调该回归框架同时容纳异步观测、微观结构噪声及维度增长，扩展高频数据回归可处理的观测环境。
- 阅读关注点
- 应核对回归目标、噪声与异步采样假设、维度增长限制，以及估计量构造、渐近分布和可实施推断步骤。
- 阅读边界
- 所给出版社摘要未说明具体估计公式、理论条件或实证结果；因此无法判断方法的精度、计算成本及相对表现。
原文摘要
We develop regression for high frequency data. This regression is novel in that it can be for both fixed and increasing dimension. Also, the data may have microstructure noise, and observations (trades, or quotes) can be asynchronous, (i.e., the observations do not need to be synchronized across dimensions). As is customary for high-frequency inference methods, we refer to our method as “realized” regression.