Empirical Characteristic Function Method for Leverage Effect and Volatility of Volatility: Estimation and Feasible Inference
杠杆效应与波动率之波动的经验特征函数估计及可行推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确使用高频增量研究瞬时波动率、杠杆效应和波动率之波动，直接对应金融波动率与高频计量。
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…
杠杆效应与波动率之波动的经验特征函数估计及可行推断
- 研究问题
- 在包含高活跃度乃至无限变差跳跃的高频数据中，如何稳健估计杠杆效应与波动率之波动并开展统计推断？
- 方法与思路
- 作者先用高频增量的经验特征函数估计瞬时波动率，再构造目标估计量，校正第一步误差引起的偏差并估计渐近方差。
- 材料陈述的贡献
- 摘要称方法在允许更高跳跃活跃度的条件下具有一致性与中心极限定理，并在所考察模拟中改善有限样本表现。
- 阅读关注点
- 应核对跳跃活跃度限制、采样与调参要求、瞬时波动率误差的校正机制，以及渐近方差估计的可行性。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出完整条件、模拟数值或实证估计大小。
原文摘要
We develop jump-robust estimators of the leverage effect and volatility of volatility using high-frequency data. Our construction begins with a spot volatility estimator based on the empirical characteristic function of high-frequency increments. This method can mitigate the contamination from jumps, which can be of infinite variation. We then construct estimators of the leverage effect and volatility of volatility and correct for the bias induced by spot volatility estimation. We establish consistency and central limit theorems under conditions that allow greater jump activity than existing methods. We also develop consistent estimators of the asymptotic variances, making the limiting results feasible for statistical inference. Simulation studies demonstrate the improved finite-sample performance of the proposed estimators, particularly in the presence of infinite variation jumps. An empirical application provides evidence of nonzero leverage effect and volatility of volatility, when the jump activity is intensive.