Pre-averaging estimators of the ex-post covariance matrix in noisy diffusion models with non-synchronous data
含噪扩散模型中非同步数据的事后协方差矩阵预平均估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究含噪非同步高频金融价格下的收益协方差，属于高频计量与波动协动测量。
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…
含噪扩散模型中非同步数据的事后协方差矩阵预平均估计
- 研究问题
- 在金融资产价格含微观结构噪声且交易非同步时，如何估计事后收益协方差，并兼顾收敛速度、矩阵半正定性及原始数据利用？
- 方法与思路
- 作者提出预平均已实现协方差及其渐近理论，并构造无需预先对齐价格的噪声稳健 Hayashi–Yoshida 估计量，以模拟和高频股票数据展示。
- 材料陈述的贡献
- 摘要称，预平均协方差可通过配置获得最优收敛速度或保证矩阵半正定，同时提供可直接用于非同步原始数据的噪声稳健估计方案。
- 阅读关注点
- 应核对噪声与观测时点假设、预平均窗口的选择、最优速度所针对的模型，以及最优速度与半正定性是否能由同一配置同时实现。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明完整渐近条件和有限样本数值，也未表明两项配置目标可同时达到。
原文摘要
We show how pre-averaging can be applied to the problem of measuring the ex-post covariance of financial asset returns under microstructure noise and non-synchronous trading. A pre-averaged realised covariance is proposed, and we present an asymptotic theory for this new estimator, which can be configured to possess an optimal convergence rate or to ensure positive semi-definite covariance matrix estimates. We also derive a noise-robust Hayashi-Yoshida estimator that can be implemented on the original data without prior alignment of prices. We uncover the finite sample properties of our estimators with simulations and illustrate their practical use on high-frequency equity data.