Testing the eigenvalue structure of spot and integrated covariance
瞬时与积分协方差特征值结构的检验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：摘要明确利用高频数据检验瞬时与积分协方差结构，支持高频计量及波动率相关推断分类。
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…
瞬时与积分协方差特征值结构的检验
- 研究问题
- 研究如何利用高频数据检验瞬时和积分协方差矩阵的特征值结构，并在不要求横截面维度很大的情况下获得有效推断。
- 方法与思路
- 作者在向量 Itô 半鞅框架下推导似然比型统计量的非标准渐近分布，再构造复制相关渐近特征的 bootstrap 近似方法。
- 材料陈述的贡献
- 摘要称，检验不必依赖大横截面；针对含多种干扰参数的渐近分布提出 bootstrap，模拟显示中等样本下具有尺寸控制与功效。
- 阅读关注点
- 应核对特征值结构的零假设、重根等情形的处理、高频采样条件，以及 bootstrap 必须复制的渐近特征和有效性证明。
- 阅读边界
- 所给出版社摘要未说明是否允许观测噪声或跳跃，也未给出模拟尺寸和功效数值，不能推断其对所有高频数据环境均有效。
原文摘要
For vector Itô semimartingale dynamics, we derive the asymptotic distributions of likelihood-ratio-type test statistics for the purpose of identifying the eigenvalue structure of both integrated and spot covariance matrices estimated using high-frequency data. Unlike the existing approaches where the cross-section dimension grows to infinity, our tests do not necessarily require large cross-section and thus allow for a wide range of applications. The tests, however, are based on non-standard asymptotic distributions with many nuisance parameters. Another contribution of this paper consists in proposing a bootstrap method to approximate these asymptotic distributions. While standard bootstrap methods focus on sampling point-wise returns, the proposed method replicates features of the asymptotic approximation of the statistics of interest that guarantee its validity. A Monte Carlo simulation study shows that the bootstrap-based test controls size and has power for even moderate size samples.