The leverage effect puzzle: Disentangling sources of bias at high frequency
杠杆效应之谜：分解高频估计中的偏误来源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：摘要明确以高频数据估计波动率及收益与波动率变化的关系，并分析微观结构噪声，直接对应高频计量与波动率。
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…
杠杆效应之谜：分解高频估计中的偏误来源
- 研究问题
- 为何用日收益与高频数据估得的日波动率变化计算相关性，常得到接近零的杠杆效应，而通常预期其为负？
- 方法与思路
- 作者分解高频杠杆效应估计中的渐近偏误，分别考察离散化、现货波动率平滑、估计误差及市场微观结构噪声。
- 材料陈述的贡献
- 摘要称，这种偏误分解有助于理解接近零相关性的估计之谜，并据此提出新的杠杆效应偏误修正方法。
- 阅读关注点
- 核对目标杠杆效应的定义、各项偏误的渐近框架及相互关系，并查看修正方法对采样频率和平滑选择的要求。
- 阅读边界
- 摘要未给出偏误公式、修正算法或修正后的实证数值；不能据此认定修正后所有资产都呈现显著负相关。
原文摘要
The leverage effect refers to the generally negative correlation between an asset return and its changes of volatility. A natural estimate consists in using the empirical correlation between the daily returns and the changes of daily volatility estimated from high frequency data. The puzzle lies in the fact that such an intuitively natural estimate yields nearly zero correlation for most assets tested, despite the many economic reasons for expecting the estimated correlation to be negative. To better understand the sources of the puzzle, we analyze the different asymptotic biases that are involved in high frequency estimation of the leverage effect, including biases due to discretization errors, to smoothing errors in estimating spot volatilities, to estimation error, and to market microstructure noise. This decomposition enables us to propose novel bias correction methods for estimating the leverage effect.