Between data cleaning and inference: Pre-averaging and robust estimators of the efficient price
数据清洗与推断之间：预平均及有效价格的稳健估计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：摘要明确围绕高频交易和报价数据、市场微观结构噪声及跨证券同步展开，对应高频计量。
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…
关注这篇论文的作者
数据清洗与推断之间：预平均及有效价格的稳健估计
- 研究问题
- 研究如何通过短时间窗口内的预平均，减轻高频交易或报价数据中的市场微观结构噪声，并改善对有效价格过程的近似。
- 方法与思路
- 摘要介绍将交易或报价在短时间段内平均的策略，以降低微观结构噪声，同时帮助不同证券的数据同步，并允许噪声存在短期依赖。
- 材料陈述的贡献
- 摘要称预平均后的数据比原始数据更接近有效价格过程，同时具有跨证券同步作用，且该程序对噪声的短期依赖具有稳健性。
- 阅读关注点
- 应核对预平均权重与窗口选择、有效价格估计的目标，以及短期噪声依赖和异步交易下的误差分析与推断程序。
- 阅读边界
- 本导读限于所给出版社摘要；摘要未说明具体估计量、依赖条件或渐近结论，不能仅凭所述平均窗口判断实际估计精度。
原文摘要
Pre-averaging is a popular strategy for mitigating microstructure in high frequency financial data. As the term suggests, transaction or quote data are averaged over short time periods ranging from 30 s to five min, and the resulting averages approximate the efficient price process much better than the raw data. Apart from reducing the size of the microstructure, the methodology also helps synchronise data from different securities. The procedure is robust to short term dependence in the noise.