BOOTSTRAPPING PRE-AVERAGED REALIZED VOLATILITY UNDER MARKET MICROSTRUCTURE NOISE
市场微观结构噪声下预平均已实现波动率的自助推断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：摘要明确围绕市场微观结构噪声、重叠预平均收益及积分波动率区间推断，直接对应高频计量和金融波动率方向。
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…
市场微观结构噪声下预平均已实现波动率的自助推断
- 研究问题
- 在含微观结构噪声且波动率随时间变化的高频数据中，如何为使用重叠区块预平均的积分波动率估计构造有效自助区间？
- 方法与思路
- 作者分析重叠预平均收益的依赖与平方收益的异质性，将 wild bootstrap 与区块之区块重抽样结合，以同时保留两种特征。
- 材料陈述的贡献
- 摘要称，普通区块之区块方法在时变波动率下无效；新组合方法的百分位及学生化百分位区间具有一阶渐近有效性。
- 阅读关注点
- 应核对预平均窗口、重抽样区块和随机乘子的选择，原方法失效的条件，以及组合方法保留依赖和异质性的具体机制。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能确定噪声与波动率的完整限制；模拟称有限样本有所改善，但未提供覆盖率或改进幅度。
原文摘要
The main contribution of this paper is to propose a bootstrap method for inference on integrated volatility based on the pre-averaging approach, where the pre-averaging is done over all possible overlapping blocks of consecutive observations. The overlapping nature of the pre-averaged returns implies that the leading martingale part in the pre-averaged returns are k n -dependent with k n growing slowly with the sample size n . This motivates the application of a blockwise bootstrap method. We show that the “blocks of blocks” bootstrap method is not valid when volatility is time-varying. The failure of the blocks of blocks bootstrap is due to the heterogeneity of the squared pre-averaged returns when volatility is stochastic. To preserve both the dependence and the heterogeneity of squared pre-averaged returns, we propose a novel procedure that combines the wild bootstrap with the blocks of blocks bootstrap. We provide a proof of the first order asymptotic validity of this method for percentile and percentile- t intervals. Our Monte Carlo simulations show that the wild blocks of blocks bootstrap improves the finite sample properties of the existing first order asymptotic theory. We use empirical work to illustrate its use in practice.