Predictive Inference for Integrated Volatility
积分波动率的预测推断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。
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：摘要直接研究积分波动率的条件预测密度与区间；未明确采样频率，也未研究收益预测。
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…
积分波动率的预测推断
- 研究问题
- 如何为积分波动率构造条件预测密度和置信区间，以满足波动率衍生品相关分析的需要，并研究波动率方向的可预测性？
- 方法与思路
- 作者基于无模型波动率估计量构造非参数预测密度与区间估计，研究可实施估计量的渐近性质，并开展蒙特卡洛和纽约证券交易所数据应用。
- 材料陈述的贡献
- 摘要称，可实施估计量具有一致性与渐近正态性，并通过模拟研究有限样本性质；实证应用考察波动率方向预测，未报告具体效果。
- 阅读关注点
- 应核对条件信息集、预测期限、积分波动率估计误差的处理，以及区间的目标与覆盖率、渐近条件和方向预测的样本外评价。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；采样频率、预测条件及实证结果未说明，不能声称有效预测或推断刊本变化。
原文摘要
Numerous volatility-based derivative products have been engineered in recent years. This has led to interest in constructing conditional predictive densities and confidence intervals for integrated volatility. In this article we propose nonparametric estimators of the aforementioned quantities, based on model-free volatility estimators. We establish consistency and asymptotic normality for the feasible estimators and study their finite-sample properties through a Monte Carlo experiment. Finally, using data from the New York Stock Exchange, we provide an empirical application to volatility directional predictability.