Variation and efficiency of high-frequency betas
高频 Beta 的变化与估计效率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：摘要以高频收益估计股票市场 Beta，并比较连续与跳跃部分的市场风险暴露。
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…
高频 Beta 的变化与估计效率
- 研究问题
- 利用固定时间区间内的高频收益，如何有效估计市场 Beta，并检验连续扩散与跳跃部分能否共享同一个 Beta？
- 方法与思路
- 作者在扩散与跳跃 Beta 相等的假设下推导半参数效率界，构建达到该界的自适应估计量，并提出 Hausman 型检验。
- 材料陈述的贡献
- 摘要称，新估计量达到共同 Beta 的效率界；股票实证展示该假设成立与不成立的例子，并量化效率收益。
- 阅读关注点
- 应核对价格过程、采样与噪声条件，效率界针对的参数空间，以及共同 Beta 检验的实施方法和拒绝后的估计选择。
- 阅读边界
- 仅据所给出版社摘要，效率结论受共同 Beta 假设约束；具体市场、时期、效率增益数值和微观结构噪声处理未说明。
原文摘要
This paper studies the efficient estimation of betas from high-frequency return data on a fixed time interval. Under an assumption of equal diffusive and jump betas, we derive the semiparametric efficiency bound for estimating the common beta and develop an adaptive estimator that attains the efficiency bound. We further propose a Hausman type test for deciding whether the common beta assumption is true from the high-frequency data. In our empirical analysis we provide examples of stocks and time periods for which a common market beta assumption appears true and ones for which this is not the case. We further quantify empirically the gains from the efficient common beta estimation developed in the paper.