Detection of a structural break in intraday volatility pattern
日内波动率模式的结构突变检测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。
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：摘要直接研究股票日内波动率曲线，并使理论速率依赖每日观测网格，支持波动率与高频计量分类。
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…
日内波动率模式的结构突变检测
- 研究问题
- 如何检验日内波动率曲线是否发生结构突变，并区分曲线形状、整体幅度及更一般变化，同时估计突变位置？
- 方法与思路
- 作者在函数型数据分析框架下将每日视为一条日内曲线，建立类似随机波动率的模型，构造三类检验及变点估计量。
- 材料陈述的贡献
- 摘要称，检验具有渐近正确的检验水平，并给出涉及交易日数和每日观测网格数的一致性速率，另以模拟和美国股票验证。
- 阅读关注点
- 应核对曲线构造及潜在波动率与观测收益的关系、交易日数和网格数的联合渐近条件，以及三类检验对应的备择范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出模型假设、具体一致性速率及股票应用中的变点结果。
原文摘要
We develop theory leading to testing procedures for the presence of a change point in the intraday volatility pattern. The new theory is developed in the framework of Functional Data Analysis. It is based on a model akin to the stochastic volatility model for scalar point-to-point returns. In our context, we study intraday curves, one curve per trading day. After postulating a suitable model for such functional data, we present three tests focusing, respectively, on changes in the shape, the magnitude and arbitrary changes in the sequences of the curves of interest. We justify the respective procedures by showing that they have asymptotically correct size and by deriving consistency rates for all tests. These rates involve the sample size (the number of trading days) and the grid size (the number of observations per day). We also derive the corresponding change point estimators and their consistency rates. All procedures are additionally validated by a simulation study and an application to US stocks.