Estimating spot volatility with high-frequency financial data
利用高频金融数据估计瞬时波动率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：摘要直接研究含市场微观结构噪声的高频金融数据与瞬时波动率估计。
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
利用高频金融数据估计瞬时波动率
- 研究问题
- 当高频金融数据包含市场微观结构噪声时，如何估计瞬时波动率，并为尺度参数和带宽选择提供数据驱动方案？
- 方法与思路
- 作者构造含噪高频数据的瞬时波动率估计量，推导一致性与渐近分布，并提出尺度参数和带宽的数据驱动选择方法。
- 材料陈述的贡献
- 摘要称提供了估计量的渐近理论与调参方法，并通过蒙特卡洛比较和实证示例考察有限样本表现及潜在应用。
- 阅读关注点
- 应核对价格过程和微观结构噪声的条件、尺度与带宽的作用，以及渐近分布如何转化为实际置信区间或检验。
- 阅读边界
- 仅据所给出版社摘要，无法判断对不同噪声机制的适用性；摘要未报告比较数值，不能据此声称优于现有估计量。
原文摘要
We construct a spot volatility estimator for high-frequency financial data which contain market microstructure noise. We prove consistency and derive the asymptotic distribution of the estimator. A data-driven method is proposed to select the scale parameter and the bandwidth parameter in the estimator. In Monte Carlo simulations, we compare the finite sample performance of our estimator with some existing estimators. Empirical examples are given to illustrate the potential applications of the estimator.