Quasi-maximum likelihood estimation of volatility with high frequency data
利用高频数据进行波动率的拟极大似然估计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：题名与摘要直接涉及高频金融数据、积分波动率及市场微观结构噪声。
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
利用高频数据进行波动率的拟极大似然估计
- 研究问题
- 在随机波动率与市场微观结构噪声同时存在时，参数似然方法能否稳健估计积分波动率和噪声方差，并具有良好效率？
- 方法与思路
- 作者扩展拟极大似然渐近理论，通过二次型表示联系迭代指数已实现核，并以模拟和欧元兑美元期货数据进行比较。
- 材料陈述的贡献
- 摘要称该准估计方法在所考察的误设下保持一致、有效和稳健，并具有模型无关特征及相对非参数替代方法的有限样本优势。
- 阅读关注点
- 应核对允许的误设与噪声条件、效率标准、迭代核对应关系，以及与不同 Tukey–Hanning2 核实现比较时的调参方式。
- 阅读边界
- 仅依据所给出版社摘要，不能把稳健性理解为允许任意噪声或误设；完整渐近条件、有限样本增益和应用设置均未说明。
原文摘要
This paper investigates the properties of the well-known maximum likelihood estimator in the presence of stochastic volatility and market microstructure noise, by extending the classic asymptotic results of quasi-maximum likelihood estimation. When trying to estimate the integrated volatility and the variance of noise, this parametric approach remains consistent, efficient and robust as a quasi-estimator under misspecified assumptions. Moreover, it shares the model-free feature with nonparametric alternatives, for instance realized kernels, while being advantageous over them in terms of finite sample performance. In light of quadratic representation, this estimator behaves like an iterative exponential realized kernel asymptotically. Comparisons with a variety of implementations of the Tukey-Hanning2 kernel are provided using Monte Carlo simulations, and an empirical study with the Euro/US Dollar future illustrates its application in practice.