Asymptotic inference about predictive accuracy using high frequency data
利用高频数据进行预测准确性的渐近推断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：摘要明确使用高频代理量，并涵盖波动率、二次变差和跳跃变差等预测目标。
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
利用高频数据进行预测准确性的渐近推断
- 研究问题
- 当预测目标是无法直接观测的波动率、相关性等连续时间过程泛函时，用高频代理量检验预测准确性能否保持正确大小？
- 方法与思路
- 作者提出一般推断框架，给出代理误差满足可忽略性结果的原始条件，使现有预测准确性方法可用于潜在目标。
- 材料陈述的贡献
- 摘要称，满足所给条件时，使用高频代理量的标准预测准确性检验具有受控的渐近大小，并提供模拟和相关性预测应用。
- 阅读关注点
- 应核对代理误差可忽略所需的采样频率与预测样本关系、目标泛函的限制，以及哪些已有检验可纳入框架。
- 阅读边界
- 仅据所给出版社摘要，不能确定具体采样条件、代理量构造及有限样本误差；相关性预测应用未提供数值结果。
原文摘要
This paper provides a general framework that enables many existing inference methods for predictive accuracy to be used in applications that involve forecasts of latent target variables. Such applications include the forecasting of volatility, correlation, beta, quadratic variation, jump variation, and other functionals of an underlying continuous-time process. We provide primitive conditions under which a “negligibility” result holds, and thus the asymptotic size of standard predictive accuracy tests, implemented using a high-frequency proxy for the latent variable, is controlled. An extensive simulation study verifies that the asymptotic results apply in a range of empirically relevant applications, and an empirical application to correlation forecasting is presented.