Low-Rank Structured Nonparametric Prediction of Instantaneous Volatility
瞬时波动率的低秩结构非参数预测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：摘要直接利用高频金融交易数据预测日内瞬时波动率，因此对应波动率和高频计量两个方向。
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
瞬时波动率的低秩结构非参数预测
- 研究问题
- 如何结合历史交易日与当日已观测的高频数据，预测交易时段内未来瞬时波动率，并减少对限制性参数模型的依赖？
- 方法与思路
- 作者将瞬时波动率写成跨日与日内矩阵，分解为低秩条件期望和噪声，并据此提出结构化日内波动率预测程序。
- 材料陈述的贡献
- 摘要称建立了 SIP 估计量的渐近性质，并通过真实高频交易数据的样本外研究展示该非参数预测方法的有效性。
- 阅读关注点
- 应核对瞬时波动率的观测或预估方式、低秩与噪声条件、秩选择，以及样本外预测的基准方法和评价指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未说明渐近条件或预测改善幅度，不能据此认定全面优于参数方法。
原文摘要
Based on Itô semimartingale models, several studies have proposed methods for forecasting intraday volatility using high-frequency financial data. These approaches typically rely on restrictive parametric assumptions and are often vulnerable to model misspecification. To address this issue, we introduce a novel nonparametric prediction method for the future intraday instantaneous volatility process during trading hours, which leverages both previous days' data and the current day's observed intraday data. Our approach imposes an interday-by-intraday matrix representation of the instantaneous volatility, which is decomposed into a low-rank conditional expectation component and a noise matrix. To predict the future conditional expected volatility vector, we exploit this low-rank structure and propose the Structural Intraday-volatility Prediction (SIP) procedure. We establish the asymptotic properties of the SIP estimator and demonstrate its effectiveness through an out-of-sample prediction study using real high-frequency trading data.