Correcting the Errors: Volatility Forecast Evaluation Using High-Frequency Data and Realized Volatilities
纠正误差：利用高频数据与已实现波动率评估波动率预测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：题名明确涉及高频数据与已实现波动率，摘要研究波动率预测评估及测量误差，对应波动率和高频计量。
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…
纠正误差：利用高频数据与已实现波动率评估波动率预测
- 研究问题
- 当已实现波动率是含测量误差的波动率基准时，如何调整预测损失函数，并判断这些误差怎样影响对收益波动率可预测性的评估？
- 方法与思路
- 作者利用非参数渐近分布结果，提出不依赖特定模型的调整程序，以可实际构造的已实现波动率基准计算无偏波动率损失函数。
- 材料陈述的贡献
- 摘要称调整程序易于实施，在贴近实际的情形下准确；既有预测评估计入测量误差后，对真实波动率可预测程度的估计可能明显提高。
- 阅读关注点
- 阅读全文时应核对哪些损失函数可被校正、无偏性和渐近近似依赖的条件，以及测量误差如何改变预测比较与可预测性估计。
- 阅读边界
- 摘要未列出调整公式、基准构造细节或准确性的量化结果；易用性与精度属于作者陈述，不能据此判断对任意高频数据均有效。
原文摘要
We develop general model-free adjustment procedures for the calculation of unbiased volatility loss functions based on practically feasible realized volatility benchmarks. The procedures, which exploit recent nonparametric asymptotic distributional results, are both easy-to-implement and highly accurate in empirically realistic situations. We also illustrate that properly accounting for the measurement errors in the volatility forecast evaluations reported in the existing literature can result in markedly higher estimates for the true degree of return volatility predictability. Copyright The Econometric Society 2005.