Identifying Jumps in Financial Assets: A Comparison Between Nonparametric Jump Tests
金融资产跳跃识别：非参数跳跃检验的比较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：摘要以高频金融数据的价格跳跃检验为对象，并比较采样频率和微观结构噪声的影响，直接对应高频计量。
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…
关注这篇论文的作者
金融资产跳跃识别：非参数跳跃检验的比较
- 研究问题
- 九种利用高频金融数据识别价格跳跃的非参数检验，在采样频率、波动持续性、跳跃特征和微观结构噪声变化下，尺寸与功效表现如何？
- 方法与思路
- 作者进行蒙特卡洛比较，考察多种数据条件，并提出模拟临界值修正及组合采样频率与检验的方法，另以五只纽交所股票作实证分析。
- 材料陈述的贡献
- 摘要称，价格波动不太剧烈时ABD-LM日内检验总体表现较好；两项扩展旨在改善有限样本表现，并通过组合频率与检验减少伪跳跃。
- 阅读关注点
- 核对九种检验的共同比较条件、噪声与跳跃生成机制，以及模拟临界值和多频率组合的实施方式，区分尺寸控制与功效改善。
- 阅读边界
- 摘要中的较好表现依赖模拟设定及波动条件；未给出具体误报率、功效或噪声处理细节，不能据此认定某检验在所有市场条件下占优。
原文摘要
We perform a comprehensive Monte Carlo comparison between nine alternative procedures available in the literature to detect jumps in financial assets using high-frequency data. We evaluate size and power properties of the procedures under alternative sampling frequencies, persistence in volatility, jump size and intensity, and degree of contamination with microstructure noise. The overall best performance is shown by the Andersen, Bollerslev, and Dobrev (2007 Andersen, T. G., Bollerslev, T. and Dobrev, D. 2007. “No-Arbitrage Semi-Martingale Restrictions for Continuous-Time Volatility Models Subject to Leverage Effects, Jumps and I.I.D. Noise: Theory and Testable Distributional Implications,”. Journal of Econometrics, 138: 125–180. [Crossref], [Web of Science ®] , [Google Scholar]) and Lee and Mykland (2008 Lee, S. S. and Mykland, P. A. 2008. “Jumps in Financial Markets: A New Nonparametric Test and Jump Dynamics,”. Review of Financial Studies, 21: 2535–2563. [Crossref], [Web of Science ®] , [Google Scholar]) intraday procedures (ABD-LM), provided the price process is not very volatile. We propose two extensions to the existing battery of tests. The first regards the finite sample improvements based on simulated critical values for the ABD-LM procedure. The second regards a procedure that combines frequencies and tests able to reduce the number of spurious jumps. Finally, we report an empirical analysis using real high frequency data on five stocks listed in the New York Stock Exchange.