Randomized Kolmogorov-Smirnov Analysis of Volatility Roughness
波动率粗糙度的随机化 Kolmogorov–Smirnov 分析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：摘要直接估计金融波动率的 Hurst 参数，并使用五分钟已实现波动率，分别对应波动率与高频计量方向。
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
波动率粗糙度的随机化 Kolmogorov–Smirnov 分析
- 研究问题
- 如何利用对数波动率完整分布的尺度变化估计 Hurst 参数，并在时间依赖存在时比较隐含波动率与已实现波动率的粗糙度？
- 方法与思路
- 作者以 KS 统计量构造分布型估计量，提出随机排列处理时间依赖，推导渐近方差，并使用无导数优化替代网格搜索。
- 材料陈述的贡献
- 摘要称该方法支持置信区间构造并提高计算效率；VIX 与标普五分钟已实现波动率的应用显示前者更平滑，两者 Hurst 指数均低于二分之一。
- 阅读关注点
- 应核对随机排列怎样影响尺度结构和推断有效性、渐近方差所需条件，以及粗糙度能否与长记忆及测量误差区分。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；摘要未给出估计值和检验细节，且明确指出局部粗糙度与长记忆的区分仍有挑战。
原文摘要
We introduce a novel distribution-based estimator for the Hurst parameter of log-volatility, leveraging the Kolmogorov-Smirnov statistic to assess the scaling behavior of entire distributions rather than individual moments. To address the temporal dependence of financial volatility, we propose a random permutation procedure that effectively removes serial correlation while preserving marginal distributions, enabling the rigorous application of the KS framework to dependent data. We establish the asymptotic variance of the estimator, useful for inference and confidence interval construction. From a computational standpoint, we show that derivative-free optimization methods, particularly Brent's method and the Nelder-Mead simplex, achieve substantial efficiency gains relative to grid search while maintaining estimation accuracy. Empirical analysis of the CBOE VIX index and the 5-minute realized volatility of the S&P 500 reveals a statistically significant hierarchy of roughness, with implied volatility smoother than realized volatility. Both measures, however, exhibit Hurst exponents well below one-half, reinforcing the rough volatility paradigm and highlighting the open challenge of disentangling local roughness from long-memory effects in fractional modeling.