The Leverage Effect Puzzle under Semi-nonparametric Stochastic Volatility Models
半非参数随机波动率模型下的杠杆效应之谜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：摘要直接研究随机波动率、杠杆效应及利用高频数据估计的波动率变化，对应波动率与高频计量。
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…
半非参数随机波动率模型下的杠杆效应之谜
- 研究问题
- 为何日收益与高频数据估计的日波动率变化几乎不相关，更灵活的波动率动态如何影响杠杆效应的测量？
- 方法与思路
- 作者在一般半非参数随机波动率模型中使用基于算子的展开，分析偏差来源，并区分杠杆效应参数与瞬时相关参数。
- 材料陈述的贡献
- 摘要称发现方差动态灵活性带来的新偏差，证明既有杠杆效应偏差校正结论仍成立，并提出瞬时相关的非参数估计方法。
- 阅读关注点
- 应核对两类参数的定义、算子展开的适用条件、新偏差的形成机制，以及偏差校正和非参数估计的实施要求。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要解读；摘要未提供模型细节、展开条件或估计精度，不能确认一般化范围及后续刊本变化。
原文摘要
This article extends the solution proposed by Aït-Sahalia, Fan, and Li for the leverage effect puzzle, which refers to a fact that empirical correlation between daily asset returns and the changes of daily volatility estimated from high frequency data is nearly zero. Complementing the analysis in Aït-Sahalia, Fan, and Li via the Heston model, we work with a generic semi-nonparametric stochastic volatility model via an operator-based expansion method. Under such a general setup, we identify a new source of bias due to the flexibility of variance dynamics, distinguishing the leverage effect parameter from the instantaneous correlation parameter. For estimating the leverage effect parameter, we show that the main results on analyzing the various sources of biases as well as the resulting statistical procedures for biases correction in Aït-Sahalia, Fan, and Li hold true and are thus indeed theoretically robust. For estimating the instantaneous correlation parameter, we developed a new nonparametric estimation method.