Estimating spot volatility under infinite variation jumps with dependent market microstructure noise
相依市场微观结构噪声与无限变差跳跃下的瞬时波动率估计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：摘要直接研究高频成交数据中的微观结构噪声、跳跃及瞬时波动率估计。
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…
相依市场微观结构噪声与无限变差跳跃下的瞬时波动率估计
- 研究问题
- 高频价格同时包含无限变差跳跃与序列相关的市场微观结构噪声时，如何可靠且高效地估计资产瞬时波动率？
- 方法与思路
- 作者结合预平均技术与经验特征函数构造瞬时波动率估计量，研究一致性、渐近正态性，并以模拟和逐秒成交价格应用展示。
- 材料陈述的贡献
- 摘要称，估计量在所述条件下一致且渐近正态；跳跃活跃程度较低或活跃跳跃具有对称结构时，达到近有效速度与最优方差。
- 阅读关注点
- 应核对跳跃活跃性、对称结构与噪声相依条件，预平均和特征函数参数如何选取，以及近有效速度与最优方差的比较基准。
- 阅读边界
- 摘要未给出收敛速度、调参规则或完整假设；效率结论具有明确的跳跃条件，不能直接推广至所有无限变差跳跃模型。
原文摘要
Summary Jumps and market microstructure noise are stylized features of high-frequency financial data. It is well known that they introduce bias in the estimation of volatility (including integrated and spot volatilities) of assets, and many methods have been proposed to deal with this problem. When the jumps are intensive with infinite variation, the efficient estimation of spot volatility under serially dependent noise is not available and is thus in need. For this purpose, we propose a novel estimator of spot volatility with a hybrid use of the pre-averaging technique and the empirical characteristic function. Under mild assumptions, the results of consistency and asymptotic normality of our estimator are established. Furthermore, we show that our estimator achieves an almost efficient convergence rate with optimal variance when the jumps are either less active or active with symmetric structure. Simulation studies verify our theoretical conclusions. We apply our proposed estimator to empirical analyses, such as estimating the weekly volatility curve using second-by-second transaction price data.