Out of sample forecasts of quadratic variation
二次变差的样本外预测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。
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：摘要直接比较高频数据下二次变差和已实现波动率的估计及预测。
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
二次变差的样本外预测
- 研究问题
- 存在市场微观结构噪声时，基于高频数据计算的已实现波动率与双尺度已实现波动率，对二次变差的估计和样本外预测表现如何？
- 方法与思路
- 作者在多种波动过程动态和噪声假设下比较 RV 与 TSRV，考察偏误、方差、均方根误差及样本外预测，并应用于道指成分股。
- 材料陈述的贡献
- 摘要称，TSRV 在所考察指标上大幅优于 RV，且对全部道指成分股的实证应用支持模拟结果；具体差异数值未提供。
- 阅读关注点
- 应核对波动与噪声设定、预测模型和预测期限、二次变差评价基准，以及调参和样本外比较是否采用一致的信息集。
- 阅读边界
- 仅据所给 RePEc 出版社摘要解读；优越性是作者对所考察设计的报告，摘要未说明差异显著性，不能外推至所有市场与频率。
原文摘要
We compare the forecasts of Quadratic Variation given by the Realized Volatility (RV) and the Two Scales Realized Volatility (TSRV)Â computed from high frequency data in the presence of market microstructure noise, under several different dynamics for the volatility process and assumptions on the noise. We show that TSRV largely outperforms RV, whether looking at bias, variance, RMSE or out-of-sample forecasting ability. An empirical application to all DJIA stocks confirms the simulation results.