Inference on the maximal rank of time-varying covariance matrices using high-frequency data
利用高频数据推断时变协方差矩阵的最大秩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：摘要明确使用高频国债数据研究瞬时协方差的秩，并讨论随机波动率模型下的推断。
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
利用高频数据推断时变协方差矩阵的最大秩
- 研究问题
- 论文研究如何利用多维连续半鞅的高频观测，检验瞬时协方差矩阵在所有时点的秩是否不超过给定值，并识别可检测的偏离。
- 方法与思路
- 作者分析局部协方差平均造成的秩统计量偏差，结合矩阵扰动与集中结果构造临界值，再以序贯检验估计秩并设置数据驱动阈值。
- 材料陈述的贡献
- 摘要称给出非渐近统一临界值与最优信号检测率，并在一类随机波动率模型下构造数据驱动临界值，以模拟和美国国债数据展示。
- 阅读关注点
- 阅读全文时应核对协方差正则性与谱隙如何控制偏差、最优检测率对应的模型类，以及序贯检验和数据驱动临界值的有效条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明市场微观结构噪声等观测问题的处理，最优性也需限定于全文条件。
原文摘要
We study the rank of the instantaneous or spot covariance matrix $Σ_X(t)$ of a multidimensional continuous semi-martingale $X(t)$. Given high-frequency observations $X(i/n)$, $i=0,\ldots,n$, we test the null hypothesis $rank(Σ_X(t))\le r$ for all $t$ against local alternatives where the average $(r+1)$st eigenvalue is larger than some signal detection rate $v_n$. A major problem is that the inherent averaging in local covariance statistics produces a bias that distorts the rank statistics. We show that the bias depends on the regularity and a spectral gap of $Σ_X(t)$. We establish explicit matrix perturbation and concentration results that provide non-asymptotic uniform critical values and optimal signal detection rates $v_n$. This leads to a rank estimation method via sequential testing. For a class of stochastic volatility models, we determine data-driven critical values via normed p-variations of estimated local covariance matrices. The methods are illustrated by simulations and an application to high-frequency data of U.S. government bonds.