Inference theory for volatility functional dependencies
波动率函数依赖关系的推断理论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：摘要明确使用高频连续时间观测，研究即时协方差、方差与相关性关系，支持高频计量和波动率方向。
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
波动率函数依赖关系的推断理论
- 研究问题
- 利用高频观测，如何估计潜在即时协方差矩阵元素及其非线性变换之间的关系，并检验相应波动率模型设定？
- 方法与思路
- 作者在即时协方差过程诱导的占用测度下匹配模型矩条件，估计波动率模型的随机系数，并构造模型设定检验。
- 材料陈述的贡献
- 摘要称估计量具有一致性和渐近混合正态性；行业组合应用报告了行业特定方差风险及异质、时变的相关性风险。
- 阅读关注点
- 应核对高频观测与协方差估计的条件、非线性变换限制、随机系数的推断方式，以及市场中性组合的构造。
- 阅读边界
- 仅据所给出版社摘要，无法判断微观结构噪声或跳跃的处理、具体标准误及实证稳健性，也不能据此作资产配置判断。
原文摘要
We develop inference theory for models involving possibly nonlinear transforms of the elements of the spot covariance matrix of a multivariate continuous-time process observed at high frequency. The framework can be used to study the relationship among the elements of the latent spot covariance matrix and processes defined on the basis of it such as systematic and idiosyncratic variances, factor betas and correlations on a fixed interval of time. The estimation is based on matching model-implied moment conditions under the occupation measure induced by the spot covariance process. We prove consistency and asymptotic mixed normality of our estimator of the (random) coefficients in the volatility model and further develop model specification tests. We apply our inference methods to study variance and correlation risks in nine sector portfolios comprising the S&P 500 index. We document sector-specific variance risks in addition to that of the market and time-varying heterogeneous correlation risk among the market-neutral components of the sector portfolio returns.