Semiparametric Estimation in Continuous-Time: Asymptotics for Integrated Volatility Functionals with Small and Large Bandwidths
连续时间半参数估计：小带宽与大带宽下积分波动率泛函的渐近理论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：摘要直接研究积分波动率泛函及其偏差修正和方差估计，并列举连续贝塔等对象，最直接对应波动率方向。
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…
关注这篇论文的作者
连续时间半参数估计：小带宽与大带宽下积分波动率泛函的渐近理论
- 研究问题
- 在非平稳连续时间环境中，如何估计积分波动率泛函，并让渐近正态性与偏差修正适用于更广的小带宽和大带宽选择？
- 方法与思路
- 作者将问题作为非平稳连续时间下的两步半参数估计，扩展可用带宽范围，并借助矩阵微积分构造解析偏差修正与方差估计。
- 材料陈述的贡献
- 摘要称，方法扩大渐近正态性适用的带宽范围，并使解析表达式更简洁；相较所比较的刀切或模拟方法具有计算优势。
- 阅读关注点
- 核对采样机制、大小带宽的渐近条件、偏差项及方差公式，并查看连续贝塔和特征值等泛函的有限样本比较。
- 阅读边界
- 摘要未给出采样频率、正则条件及模拟数值；计算优势仅针对所述比较方法，不能据此判断所有场景下的统计效率。
原文摘要
This article studies the estimation of integrated volatility functionals, which is a semiparametric two-step estimation problem in the nonstationary continuous-time setting. We generalize the asymptotic normality results of Jacod and Rosenbaum to a wider range of bandwidths. Moreover, we employ matrix calculus to obtain a new analytical bias correction and variance estimation method. The proposed method gives more succinct expressions than the element-by-element analytical method of the above cited article. In addition, it has a computational advantage over the jackknife/simulation-based method proposed by Li, Liu, and Xiu. Comprehensive simulation studies demonstrate that our method has good finite sample performance for a variety of volatility functionals, including quadraticity, determinant, continuous beta, and eigenvalues.