Indirect inference with time series observed with error
含观测误差时间序列的间接推断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：题名明确以含误差的时间序列为对象，应用聚焦受微观结构噪声污染的已实现波动率，因此对应时间序列、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…
含观测误差时间序列的间接推断
- 研究问题
- 作者研究当观测时间序列受到测量误差污染时，如何一致估计结构模型参数，并同时识别测量误差参数，避免忽略误差所致的偏差。
- 方法与思路
- 作者将测量噪声作为结构模型的一部分纳入间接推断，讨论参数识别与误差设定错误，并以受微观结构噪声污染的已实现波动率说明方法。
- 材料陈述的贡献
- 摘要称，忽略测量误差会使间接推断估计具有渐近偏差；满足识别条件时，结构参数和误差参数可一致估计，随机波动模型应用展示其可行性。
- 阅读关注点
- 应核对辅助模型与匹配统计量如何选择、结构参数与噪声参数的识别条件、误差错设分析，以及随机波动模型应用中的噪声设定。
- 阅读边界
- 摘要未列明具体识别条件、噪声过程、辅助统计量或有限样本误差；一致性结论具有条件性，不能据此认定任意含误差序列均可识别。
原文摘要
Summary We propose the indirect inference estimator as a consistent method to estimate the parameters of a structural model when the observed series are contaminated by measurement error by considering the noise as a structural feature. We show that the indirect inference estimates are asymptotically biased if the error is neglected. When the condition for identification is satisfied, the structural and measurement error parameters can be consistently estimated. The issues of identification and misspecification of measurement error are discussed in detail. We illustrate the reliability of this procedure in the estimation of stochastic volatility models based on realized volatility measures contaminated by microstructure noise.