Unified discrete-time and continuous-time models and statistical inferences for merged low-frequency and high-frequency financial data
融合低频与高频金融数据的统一离散时间和连续时间模型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：摘要明确融合高频已实现波动率与低频 GARCH 结构，研究金融波动率模型和高频数据估计。
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
融合低频与高频金融数据的统一离散时间和连续时间模型
- 研究问题
- 研究如何统一高频股价的连续时间 Itô 模型与低频股价的离散时间 GARCH 模型，并利用两类数据共同估计波动率参数。
- 方法与思路
- 作者将离散 GARCH 波动率嵌入连续时间瞬时波动率，构造 GARCH-Itô 模型，结合高频已实现波动率与低频准似然进行估计。
- 材料陈述的贡献
- 摘要称建立了统一模型及联合数据估计方法，推导估计量的渐近理论，并通过模拟和美国银行股价应用考察方法表现。
- 阅读关注点
- 应核对连续与离散波动率之间的嵌入关系、已实现波动率误差如何进入准似然，以及两种采样频率下的渐近条件。
- 阅读边界
- 本导读限于所给出版社摘要；模型约束、采样增长方式和具体理论结论未说明，单一股票应用不足以判断普遍适用性。
原文摘要
This paper introduces a unified model, which can accommodate both continuous-time Itô processes used to model high-frequency stock prices and GARCH processes employed to model low-frequency stock prices, by embedding a discrete-time GARCH volatility in its continuous-time instantaneous volatility. This model is called a unified GARCH-Itô model. We adopt realized volatility estimators based on high-frequency financial data and the quasi-likelihood function for the low-frequency GARCH structure to develop parameter estimation methods for the combined high-frequency and low-frequency data. We establish asymptotic theory for the proposed estimators and conduct a simulation study to check finite sample performances of the estimators. We apply the proposed estimation approach to Bank of America stock price data.