RANDOMIZED TESTING FOR JUMP DETECTION
用于跳跃检测的随机化检验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：摘要围绕连续时间资产价格的局部收益和跳跃检测展开，直接对应高频金融计量。
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
用于跳跃检测的随机化检验
- 研究问题
- 在连续时间有效资产价格模型中，如何通过序贯检验定位价格路径中的跳跃，并控制多次局部检测带来的整体第一类错误？
- 方法与思路
- 作者向局部平均有效价格收益的稳健近似人为加入随机性，构造局部统计量，并分析无跳跃统计量最大值的渐近分布。
- 材料陈述的贡献
- 摘要称有限活动跳跃情形下可控制极限整体第一类错误并证明检验功效，同时给出无限活动跳跃下的理论行为及股票应用。
- 阅读关注点
- 应核对观测机制、局部平均与随机化的构造、序贯定位规则，以及有限活动和无限活动跳跃下误差控制结论的区别。
- 阅读边界
- 仅据所给 Crossref 版本摘要，观测噪声条件、采样要求及应用数值未说明；有限活动结论不能直接推广，也不能推断刊本变化。
原文摘要
This article proposes sequential randomized tests to locate the presence of jumps on the paths of efficient asset prices in a continuous-time model. The randomized statistics are generated by artificially adding randomness to the robust approximations of the locally averaged returns of the efficient price. In the case of finite activity jumps, we derive the asymptotic distribution of the maximum of all the local statistics unaffected by jumps, which makes it feasible to control the limiting probability of the global type I error and demonstrate the power of the test. We also present the theoretical results to illustrate the behaviors of the test statistics in the presence of infinite activity jumps. Simulation studies indicate the favorable performance of the proposed test in finite samples, and we also apply the test to the stock price data of Apple and Microsoft.