The Fourier-Malliavin Volatility (FMVol) MATLAB library
Fourier–Malliavin 波动率估计 MATLAB 库 FMVolAI 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：摘要直接涉及资产波动率估计，以及离散、含噪和异步金融观测的处理。
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
Fourier–Malliavin 波动率估计 MATLAB 库 FMVol
- 研究问题
- 如何从离散且可能不规则、异步或含噪声的观测，重建连续随机波动过程的潜在波动率、共同波动及二阶量？
- 方法与思路
- 作者介绍 MATLAB 库 FMVol，以非参数 Fourier–Malliavin 方法实现波动率、共同波动及波动率之波动等量的估计。
- 材料陈述的贡献
- 摘要称，该库实现多种 Fourier–Malliavin 估计器，方法无需等间隔采样或预先偏差校正，并可处理多变量异步观测。
- 阅读关注点
- 应核对噪声稳健性的具体条件、频率截断等调参规则，以及各估计对象的定义、异步采样处理和软件数值验证。
- 阅读边界
- 这是预印本，同行评审或接收未经核实。摘要未说明允许的噪声结构、采样渐近条件及数值精度，稳健性主张仍需全文核验。
原文摘要
This paper presents the Fourier-Malliavin Volatility (FMVol) estimation library for MATLAB. This library includes functions that implement Fourier- Malliavin estimators (see Malliavin and Mancino (2002, 2009)) of the volatility and co-volatility of continuous stochastic volatility processes and second-order quantities, like the quarticity (the squared volatility), the volatility of volatility and the leverage (the covariance between changes in the process and changes in its volatility). The Fourier-Malliavin method is fully non-parametric, does not require equally-spaced observations and is robust to measurement errors, or noise, without any preliminary bias correction or pre-treatment of the observations. Further, in its multivariate version, it is intrinsically robust to irregular and asynchronous sampling. Although originally introduced for a specific application in financial econometrics, namely the estimation of asset volatilities, the Fourier-Malliavin method is a general method that can be applied whenever one is interested in reconstructing the latent volatility and second-order quantities of a continuous stochastic volatility process from discrete observations.