A quasi-maximum likelihood approach for integrated covariance matrix estimation with high frequency data
利用高频数据估计积分协方差矩阵的准极大似然方法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：摘要明确以金融高频交易数据估计积分协方差矩阵，直接涉及高频计量与波动率。
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
利用高频数据估计积分协方差矩阵的准极大似然方法
- 研究问题
- 在金融高频交易数据存在微观结构噪声、异步交易和维度增加时，如何可靠估计反映波动及共同变动的积分协方差矩阵？
- 方法与思路
- 作者提出准极大似然估计，借助新的多变量移动平均时间序列构造，开展渐近分析、数值实现、模拟和交易数据应用。
- 材料陈述的贡献
- 摘要称，估计量一致且渐近正态，并在理论上量化效率增益，通过广泛模拟和一个高频交易数据应用展示方法表现。
- 阅读关注点
- 应核对噪声与交易时间假设、维度和样本量的增长关系，以及移动平均构造、效率比较基准和标准误计算方式。
- 阅读边界
- 所给出版社摘要未说明各类数据污染及高维情形的具体处理条件，也未给出效率增益数值，不能据此认定普遍优越。
原文摘要
Estimating the integrated covariance matrix (ICM) from high frequency financial trading data is crucial to reflect the volatilities and covariations of the underlying trading instruments. Such an objective is difficult due to contaminated data with microstructure noises, asynchronous trading records, and increasing data dimensionality. In this paper, we study a quasi-maximum likelihood (QML) approach for estimating an ICM from high frequency financial data. We explore a novel multivariate moving average time series device that is convenient for evaluating the estimator both theoretically for its asymptotic properties and numerically for its practical implementations. We demonstrate that the QML estimator is consistent to the ICM, and is asymptotically normally distributed. Efficiency gain of the QML approach is theoretically quantified, and numerically demonstrated via extensive simulation studies. An application of the QML approach is illustrated through analyzing a high frequency financial trading data set.